Tách tệp văn bản lớn thành các dòng bằng GroupDocs Merger Java

Trong hướng dẫn này, bạn sẽ khám phá cách tách tệp văn bản lớn thành các tài liệu dựa trên từng dòng bằng GroupDocs Merger cho Java. Cho dù bạn đang xử lý nhật ký, dữ liệu CSV, hoặc bất kỳ nguồn văn bản thuần nào khổng lồ, việc chia tệp thành các phần có thể quản lý giúp việc phân tích downstream, xử lý song song và lưu trữ trở nên dễ dàng hơn nhiều.

Câu trả lời nhanh

  • Thư viện nào thực hiện việc tách? GroupDocs Merger for Java.
  • Có thể xử lý bao nhiêu dòng? Nó có thể xử lý các tệp có hàng triệu dòng; API truyền dữ liệu theo luồng nên mức sử dụng bộ nhớ vẫn thấp.
  • Tôi có cần giấy phép không? Bản dùng thử miễn phí đủ cho việc đánh giá; giấy phép thương mại cần thiết cho môi trường sản xuất.
  • Yêu cầu phiên bản Java nào? JDK 8 hoặc mới hơn.
  • Tôi có thể thay đổi định dạng đầu ra không? Có – bạn có thể xuất mỗi dòng dưới dạng TXT, PDF, DOCX, hoặc bất kỳ định dạng nào trong hơn 50 định dạng được hỗ trợ.

Tách tệp văn bản lớn là gì?

Việc tách một tệp văn bản lớn có nghĩa là đọc từng dòng và ghi chúng vào các tài liệu riêng biệt, cho phép xử lý độc lập mỗi bản ghi. Cách tiếp cận này giảm áp lực bộ nhớ và cho phép các quy trình làm việc song song.

Tại sao nên sử dụng GroupDocs Merger cho Java?

GroupDocs Merger hỗ trợ hơn 50 định dạng đầu vào và đầu ra, xử lý các tài liệu hàng trăm trang mà không cần tải toàn bộ tệp vào bộ nhớ, và cung cấp tính năng streaming tích hợp để giữ mức sử dụng heap dưới 100 MB ngay cả với các tệp lớn hơn 2 GB. Những lợi ích định lượng này khiến nó trở thành lựa chọn hàng đầu cho việc xử lý văn bản cấp doanh nghiệp.

Yêu cầu trước

  • Java Development Kit (JDK) 8 hoặc mới hơn đã được cài đặt.
  • Công cụ xây dựng – Maven hoặc Gradle để quản lý phụ thuộc.
  • Thư viện GroupDocs Merger cho Java (tải về qua Maven/Gradle hoặc JAR thủ công).

Thư viện và phụ thuộc cần thiết

Thêm GroupDocs Merger vào dự án của bạn:

Maven:

<dependency>
    <groupId>com.groupdocs</groupId>
    <artifactId>groupdocs-merger</artifactId>
    <version>latest-version</version>
</dependency>

Gradle:

implementation 'com.groupdocs:groupdocs-merger:latest-version'

Hoặc, tải phiên bản mới nhất từ GroupDocs.Merger for Java releases. Để biết thêm thông tin, xem liên kết GroupDocs.Merger for Java releases khác.

Các bước lấy giấy phép

  1. Bản dùng thử miễn phí – kiểm tra tất cả các tính năng mà không tốn phí.
  2. Giấy phép tạm thời – yêu cầu một khóa ngắn hạn từ trang giấy phép tạm thời nếu bạn vượt quá giới hạn dùng thử.
  3. Mua – nhận giấy phép đầy đủ trên trang mua của GroupDocs để sử dụng không giới hạn trong môi trường sản xuất. Bạn cũng có thể truy cập trang mua của GroupDocs để xem chi tiết giá.

Cách tách tệp văn bản lớn thành các tài liệu dòng bằng GroupDocs Merger?

Tải tệp nguồn, cấu hình TextSplitOptions, và gọi phương thức split. API sẽ stream từng dòng, ghi chúng vào thư mục đích và tự động giải phóng tài nguyên, vì vậy ngay cả các tệp có hàng triệu dòng cũng được xử lý hiệu quả. Bằng cách sử dụng phương pháp streaming, mức tiêu thụ bộ nhớ vẫn dưới 100 MB, và thao tác có thể được thực hiện song song trên nhiều lõi CPU để xử lý nhanh hơn trên các bộ dữ liệu lớn.

Bước 1: nhập các gói cần thiết

Merger, TextSplitOptions, và các lớp I/O chuẩn phải được nhập trước khi thực hiện bất kỳ xử lý nào.

import com.groupdocs.merger.Merger;

Merger merger = new Merger("path/to/your/file.txt");

Bước 2: định nghĩa đường dẫn tệp

Xác định đường dẫn tuyệt đối hoặc tương đối cho tệp văn bản nguồn và thư mục đầu ra nơi mỗi dòng sẽ được lưu.

import com.groupdocs.merger.Merger;

Merger merger = new Merger("path/to/your/file.txt");

Bước 3: tạo một thể hiện Merger

Lớp Merger là điểm vào cho tất cả các thao tác tài liệu trong GroupDocs Merger.

import com.groupdocs.merger.Merger;
import com.groupdocs.merger.domain.options.TextSplitOptions;
import java.io.File;
import java.nio.file.Paths;

Bước 4: cấu hình tùy chọn tách

TextSplitOptions cho phép bạn kiểm soát dấu phân cách dòng, cách đặt tên đầu ra, và việc có ghi đè lên các tệp hiện có hay không.

String filePath = "YOUR_DOCUMENT_DIRECTORY/sample.txt";
String filePathOut = "YOUR_OUTPUT_DIRECTORY/";

Bước 5: thực hiện thao tác tách

Gọi phương thức split với thư mục đầu ra, cờ ghi đè, và phần mở rộng tệp mong muốn. Phương thức trả về một tập hợp các đường dẫn tệp đã tạo, bạn có thể ghi log hoặc xử lý tiếp.

Merger merger = new Merger(filePath);

Giải thích các tham số

  • Thư mục đầu ra – nơi mỗi tài liệu dòng sẽ được ghi.
  • Cờ ghi đè – true sẽ thay thế các tệp hiện có cùng tên.
  • Phần mở rộng tệp – chọn ".txt" cho văn bản thuần, hoặc ".pdf" để nhận PDF cho mỗi dòng.

Các vấn đề thường gặp và giải pháp

  • Lỗi đường dẫn tệp – kiểm tra lại xem tệp đầu vào có tồn tại và thư mục đầu ra có thể ghi được không.
  • Vấn đề quyền – chạy JVM với quyền hệ điều hành đủ hoặc điều chỉnh ACL của thư mục.
  • Xung đột phiên bản – đảm bảo phiên bản JAR của GroupDocs Merger phù hợp với các phụ thuộc khác; sử dụng cùng một phiên bản chính trên toàn bộ stack.

Ứng dụng thực tiễn

Việc tách các tệp văn bản lớn thành các tài liệu dựa trên dòng hữu ích cho:

  1. Các pipeline xử lý dữ liệu – đưa mỗi dòng tới một micro‑service hoặc job Spark riêng.
  2. Quản lý tệp nhật ký – lưu trữ mỗi mục nhật ký dưới dạng tệp riêng để truy xuất nhanh và kiểm toán tuân thủ.
  3. Phân đoạn nội dung – chuyển bản thảo bài viết khổng lồ thành các đoạn câu hoặc dòng riêng biệt cho các nền tảng chỉnh sửa cộng tác.

Các cân nhắc về hiệu năng

Khi xử lý các tệp rất lớn:

  • Tối ưu hóa bộ nhớ – dựa vào API streaming của GroupDocs Merger; tránh tải toàn bộ tệp vào một String.
  • Xử lý theo lô – tách tệp thành các khối (ví dụ, 10 000 dòng mỗi lô) để duy trì I/O đĩa mượt mà.
  • Tinh chỉnh JVM – tăng heap (-Xmx2g) chỉ khi bạn dự định thực hiện các xử lý bổ sung trong bộ nhớ ngoài thao tác tách.

Kết luận

Bây giờ bạn đã biết cách tách nội dung tệp văn bản lớn thành các tài liệu dòng riêng biệt bằng GroupDocs Merger cho Java. Kỹ thuật này cải thiện khả năng mở rộng, cho phép xử lý song song, và đơn giản hoá việc xử lý dữ liệu downstream.

Các bước tiếp theo

  • Thử nghiệm các định dạng đầu ra khác như PDF hoặc DOCX bằng cách thay đổi phần mở rộng tệp trong TextSplitOptions.
  • Kết hợp thao tác tách với các tính năng merge và watermark của GroupDocs Merger để xây dựng quy trình tài liệu đầu‑tới‑đầu.
  • Tích hợp giải pháp vào dịch vụ Spring Boot hoặc hàm serverless để tự động hoá các pipeline xử lý.

Câu hỏi thường gặp

Q: Tôi có thể tách tệp thành các đoạn thay vì các dòng không?
A: API mặc định tách theo dấu phân cách dòng, nhưng bạn có thể cung cấp dấu phân cách tùy chỉnh (ví dụ, "\n\n") để xem các đoạn ngăn cách bằng dòng trống như các đơn vị tách.

Q: GroupDocs Merger có miễn phí cho các dự án thương mại không?
A: Bản dùng thử miễn phí có sẵn để đánh giá; giấy phép trả phí cần thiết cho triển khai sản xuất.

Q: Nếu tệp văn bản của tôi chứa ký tự Unicode thì sao?
A: Thư viện tự động phát hiện mã hoá UTF‑8; bạn cũng có thể chỉ định charset khác trong hàm khởi tạo Merger nếu cần.

Q: Trình tách xử lý các tệp cực lớn (đa GB) như thế nào?
A: Nó stream từng dòng ra đĩa, giữ mức sử dụng bộ nhớ dưới 100 MB bất kể kích thước nguồn, khiến nó phù hợp cho các tệp đa GB.

Q: API có hỗ trợ các định dạng khác ngoài TXT không?
A: Có – bạn có thể xuất mỗi dòng dưới dạng PDF, DOCX, HTML, hoặc bất kỳ định dạng nào trong hơn 50 định dạng được liệt kê trong tài liệu sản phẩm.

Tài nguyên

Cập nhật lần cuối: 2026-08-26
Được kiểm tra với: GroupDocs Merger 23.11 for Java
Tác giả: GroupDocs

// Create TextSplitOptions instance specifying mode to split by lines.
TextSplitOptions splitOptions = new TextSplitOptions(filePathOut, true, true);

merger.split(splitOptions);

Hướng dẫn liên quan