0
我正在使用enron电子邮件数据集进行一些数据挖掘。 我试图遍历目录中的每个文件,并将每个文件的日期,时间和地址解析为csv文件。Java不会遍历大目录中的所有文件
问题是,java似乎并没有遍历所有这些,这就是为什么我的csv文件大约1000行太短。我该如何解决这个问题?
我的代码:
public class FileReader {
public static void main(String[] args) throws FileNotFoundException{
FileReader fileReader = new FileReader();
//fileReader.mainFunction("maildir/skilling-j/_sent_mail");
fileReader.mainFunction("maildir/skilling-j/inbox");
/*fileReader.mainFunction("maildir/skilling-j/sent");
fileReader.mainFunction("maildir/lay-k/inbox");
fileReader.mainFunction("maildir/lay-k/_sent");
fileReader.mainFunction("maildir/lay-k/sent");*/
System.out.println("done!");
}
public void mainFunction(String fileName) throws FileNotFoundException{
File maindir = new File(fileName);
PrintWriter pw = new PrintWriter(new File("Analysis.csv"));
StringBuilder sb = new StringBuilder();
StringBuilder sbpre = new StringBuilder();
Scanner scanner;
sbpre.append("Date");
sbpre.append(',');
sbpre.append("Time");
sbpre.append(",");
sbpre.append("From");
sbpre.append('\n');
int endcounter = 0;
pw.write(sbpre.toString());
File [] files = maindir.listFiles();
for(int i = 0; i < files.length; i++){
scanner = new Scanner(files[i]);
System.out.println(files[i].getPath());
while (scanner.hasNextLine()) {
String lineFromFile = scanner.nextLine();
String month = "Jun";
String year = "2000";
String time = "00:00:00";
if(lineFromFile.contains("Date:") & (lineFromFile.length()== 43 | lineFromFile.length()== 42)){
if(lineFromFile.length()==43){
sb.append(lineFromFile.substring(11,13));
month = lineFromFile.substring(14, 17);
year = lineFromFile.substring(18,22);
time = lineFromFile.substring(23,30);
}else{
sb.append("0");
sb.append(lineFromFile.substring(11,12));
month = lineFromFile.substring(13, 16);
year = lineFromFile.substring(17,21);
time = lineFromFile.substring(22,29);
}
sb.append(".");
switch(month){
case "Jan":sb.append("01"); sb.append(".");break;
case "Feb":sb.append("02"); sb.append(".");break;
case "Mar":sb.append("03"); sb.append(".");break;
case "Apr":sb.append("04"); sb.append(".");break;
case "May":sb.append("05"); sb.append(".");break;
case "Jun":sb.append("06"); sb.append(".");break;
case "Jul":sb.append("07"); sb.append(".");break;
case "Aug":sb.append("08"); sb.append(".");break;
case "Sep":sb.append("09"); sb.append(".");break;
case "Oct":sb.append("10"); sb.append(".");break;
case "Nov":sb.append("11"); sb.append(".");break;
case "Dec":sb.append("12"); sb.append(".");break;
}
sb.append(year);
sb.append(",");
sb.append(time);
sb.append(",");
}
if(lineFromFile.contains("X-From:")) {
lineFromFile = lineFromFile.replace(",", " ");
sb.append(lineFromFile.substring(8));
}
pw.write(sb.toString());
sb.setLength(0);
}
sb.append('\n');
endcounter = i;
}
pw.close();
System.out.println(endcounter);
}
}
控制台日志的最后几行:
maildir\skilling-j\inbox\997_
maildir\skilling-j\inbox\998_
maildir\skilling-j\inbox\999_
maildir\skilling-j\inbox\99_
maildir\skilling-j\inbox\9_
1251
done!
它应该是真正围绕2500线。
也很高兴知道如何通过目录遍历目录(例如“maildir/skilling-j”)而不是带有文件的单个目录。
而且我知道代码有点臃肿,但这是无能的编码器(我)的结果。
我会建议打破它的调试。有很多检查正在进行。首先确保你正在从maindir.listFiles()接收预期数量的文件;它显示的尺寸是什么?此外,还有更新/更好的选项可供选择目录树。 – KevinO
'listFiles'确实*不*包含子文件夹中的文件。 –