使用此示例代码:
use std::fs::{File};
use std::io::{BufRead, BufReader};
use std::path::Path;
type BoxIter<T> = Box<Iterator<Item=T>>;
fn tokens_from_str<'a>(text: &'a str)
-> Box<Iterator<Item=String> + 'a> {
Box::new(text.lines().flat_map(|s|
s.split_whitespace().map(|s| s.to_string())
))
}
// Returns an iterator of an iterator. The use case is a very large file where
// each line is very long. The outer iterator goes over the file's lines.
// The inner iterator returns the words of each line.
pub fn tokens_from_path<P>(path_arg: P)
-> BoxIter<BoxIter<String>>
where P: AsRef<Path> {
let reader = reader_from_path(path_arg);
let iter = reader.lines()
.filter_map(|result| result.ok())
.map(|s| tokens_from_str(&s));
Box::new(iter)
}
fn reader_from_path<P>(path_arg: P) -> BufReader<File>
where P: AsRef<Path> {
let path = path_arg.as_ref();
let file = File::open(path).unwrap();
BufReader::new(file)
}
我收到此编译器错误消息:
rustc 1.18.0 (03fc9d622 2017-06-06)
error: `s` does not live long enough
--> <anon>:23:35
|
23 | .map(|s| tokens_from_str(&s));
| ^- borrowed value only lives until here
| |
| does not live long enough
|
= note: borrowed value must be valid for the static lifetime...
我的问题是:
-
如何修复(如果可能的话,不更改功能签名?)
-
有关更好的函数参数和返回值的任何建议吗?
3 回答
一个问题是
.split_whitespace()
接受引用,并且不拥有其内容 . 因此,当您尝试使用拥有的对象构造SplitWhitespace
对象时(当您调用.map(|s| tokens_from_str(&s))
时会发生这种情况),字符串s
将被删除,而SplitWhitespace
仍在尝试引用它 . 我通过创建一个获取String
所有权的结构并根据需要产生SplitWhitespace
来快速解决这个问题 .Disclaimer: Frame Challenge
处理大文件时,最简单的解决方案是使用Memory Mapped Files .
也就是说,您告诉操作系统您希望整个文件可以在内存中访问,并且由它来处理文件内部和内存的分页部分 .
一旦关闭,那么您的整个文件可以作为
&[u8]
或&str
(在您方便时)访问,并且您可以轻松访问它的切片 .它可能并不总是最快的解决方案;它当然是最简单的 .
这里的问题是你使用
to_string()
将每个项目变成一个拥有的值,这是懒惰的 . 由于它是惰性的,因此使用to_string之前的值(&str
)仍然存在于返回的迭代器状态中,因此无效(因为一旦map
闭包返回,源字符串就会被删除) .天真的解决方案
这里最简单的解决方案是删除迭代器的那部分的惰性求值,并在分配行时立即分配所有令牌 . 这将不会那么快,并且将涉及额外的分配,但是对当前函数的改动很小,并保持相同的签名:
此解决方案适用于任何小型工作负载,并且它将仅为该线路同时分配大约两倍的内存 . 有性能损失,但除非你有10mb线,否则可能无关紧要 .
如果您确实选择了此解决方案,我建议您更改
tokens_from_path
的函数签名以直接返回BoxIter<String>
:备选:解耦tokens_from_path和tokens_from_str
原始代码不起作用,因为您试图将借用返回到您不返回的String .
我们可以通过返回String来修复它 - 只是隐藏在不透明的API后面 . 这非常类似于breeden's solution,但在执行方面略有不同 .
正如您所注意到的,
tokens_from_str
没有区别,而tokens_from_path
只返回这个不透明的TokenIntermediate
结构 . 这将与原始解决方案一样可用,它只是将中间String
值的所有权推送到调用者,因此他们可以迭代它们中的令牌 .