Ответ 1
Вы можете сделать это:
Iterator
.continually (input.read)
.takeWhile (-1 !=)
.foreach (output.write)
Я пытаюсь использовать базовый код Java в Scala для чтения из файла и писать в OutputStream, но когда я использую обычный while (!= -1) в Scala дает мне предупреждение "сравнение типов Unit и Int с!= всегда будет true".
Код выглядит следующим образом:
val file = this.cache.get(imageFileEntry).getValue().asInstanceOf[File]
response.setContentType( "image/%s".format( imageDescription.getFormat() ) )
val input = new BufferedInputStream( new FileInputStream( file ) )
val output = response.getOutputStream()
var read : Int = -1
while ( ( read = input.read ) != -1 ) {
output.write( read )
}
input.close()
output.flush()
Как я должен писать из потока ввода в выходной поток в Scala?
Меня больше всего интересует решение Scala -like.
Вы можете сделать это:
Iterator
.continually (input.read)
.takeWhile (-1 !=)
.foreach (output.write)
Если это медленно:
Iterator
.continually (input.read)
.takeWhile (-1 !=)
.foreach (output.write)
его можно развернуть:
val bytes = new Array[Byte](1024) //1024 bytes - Buffer size
Iterator
.continually (input.read(bytes))
.takeWhile (-1 !=)
.foreach (read=>output.write(bytes,0,read))
output.close()
Операторы присваивания всегда возвращают Unit в Scala, поэтому read = input.read
возвращает Unit, который никогда не равен -1. Вы можете сделать это следующим образом:
while ({read = input.read; read != -1}) {
output.write(read)
}
def stream(inputStream: InputStream, outputStream: OutputStream) =
{
val buffer = new Array[Byte](16384)
def doStream(total: Int = 0): Int = {
val n = inputStream.read(buffer)
if (n == -1)
total
else {
outputStream.write(buffer, 0, n)
doStream(total + n)
}
}
doStream()
}
Мы можем скопировать входной поток в выходной поток в универсальном и безопасном типе с использованием классов типов. Стандартная концепция - это концепция. Это один подход к полиморфизму. В частности, это параметрический полиморфизм, поскольку полиморфное поведение кодируется с использованием параметров. В нашем случае наши параметры будут типичными типами для Scala признаков.
Пусть создаются черты Reader[I]
и Writer[O]
, где I
и O
- соответственно типы ввода и вывода.
trait Reader[I] {
def read(input: I, buffer: Array[Byte]): Int
}
trait Writer[O] {
def write(output: O, buffer: Array[Byte], startAt: Int, nBytesToWrite: Int): Unit
}
Теперь мы можем создать общий метод копирования, который может работать с вещами, которые подписываются на эти интерфейсы.
object CopyStreams {
type Bytes = Int
def apply[I, O](input: I, output: O, chunkSize: Bytes = 1024)(implicit r: Reader[I], w: Writer[O]): Unit = {
val buffer = Array.ofDim[Byte](chunkSize)
var count = -1
while ({count = r.read(input, buffer); count > 0})
w.write(output, buffer, 0, count)
}
}
Обратите внимание на неявные параметры r
и w
. По существу, мы говорим, что CopyStreams[I,O].apply
будет работать, если в области есть значения Reader[I]
и Writer[O]
. Это позволит нам беспрепятственно вызывать CopyStreams (ввод, вывод).
Важно отметить, однако, что эта реализация является общей. Он работает с типами, которые не зависят от реализаций реального потока.
В моем конкретном случае использования мне пришлось копировать объекты S3 в локальные файлы. Поэтому я сделал следующие неявные значения.
object Reader {
implicit val s3ObjectISReader = new Reader[S3ObjectInputStream] {
@inline override def read(input: S3ObjectInputStream, buffer: Array[Byte]): Int =
input.read(buffer)
}
}
object Writer {
implicit val fileOSWriter = new Writer[FileOutputStream] {
@inline override def write(output: FileOutputStream,
buffer: Array[Byte],
startAt: Int,
nBytesToWrite: Int): Unit =
output.write(buffer, startAt, nBytesToWrite)
}
}
Итак, теперь я могу сделать следующее:
val input:S3ObjectStream = ...
val output = new FileOutputStream(new File(...))
import Reader._
import Writer._
CopyStreams(input, output)
// close and such...
И если нам когда-либо понадобится копировать разные типы потоков, нам нужно только написать новое Reader
или Writer
неявное значение. Мы можем использовать код CopyStreams
, не меняя его!