使用Go并发统计文本文件元音数量结果不符求助

你的代码存在核心逻辑错误与goroutine执行异常，导致统计结果远低于预期，以下是具体问题和修复方案：

1. 统计逻辑错误：错把「含元音的单词数」当「元音总次数」 #

当前代码用strings.Contains判断单词是否包含元音，每匹配一次计数器仅加1，这是在统计包含该元音的单词数量，而非文本中元音的总出现次数。比如单词"Banana"包含3个A，你的代码只会给A的计数器加1，但预期是加3，这是结果差距的主要原因。

2. Goroutine变量捕获问题：分块偏移量混乱 #

循环中启动goroutine时直接引用current变量，由于goroutine的执行时机不确定，多个goroutine会共享同一个current的引用，导致实际读取的偏移量不是循环时的预期值，出现重复读取或漏读的情况。

3. 次要问题：分块边界处理丢失数据 #

read函数中，当offset !=0时，会调用ReadBytes(' ')跳过当前位置到下一个空格的内容，这部分文本会被直接丢弃，导致这部分的元音没有被统计。

修复后的代码 #

package main

import (
    "bufio"
    "fmt"
    "io"
    "os"
    "strings"
    "sync"
)

const mb = 1024 * 1024

func main() {
    var aCount, eCount, iCount, oCount, uCount int64 // 用int64避免大文件统计溢出

    wg := &sync.WaitGroup{}
    channel := make(chan string, 100) // 增加缓冲区避免goroutine阻塞
    done := make(chan bool, 1)

    // 统计goroutine：改为统计每个元音的出现次数
    go func() {
        for s := range channel {
            upperStr := strings.ToUpper(s)
            aCount += int64(strings.Count(upperStr, "A"))
            eCount += int64(strings.Count(upperStr, "E"))
            iCount += int64(strings.Count(upperStr, "I"))
            oCount += int64(strings.Count(upperStr, "O"))
            uCount += int64(strings.Count(upperStr, "U"))
        }
        done <- true
    }()

    var current int64
    limit := int64(0.5 * mb) // 明确转换为int64类型
    fileInfo, err := os.Stat("interview.txt")
    if err != nil {
        panic(err)
    }
    totalSize := fileInfo.Size()

    // 修复变量捕获问题：用局部变量保存当前偏移量，确保每个goroutine拿到正确值
    for i := 0; current < totalSize; i++ {
        wg.Add(1)
        currentOffset := current
        currentChunkLimit := limit
        // 最后一块可能不足limit，调整大小避免超出文件范围
        if currentOffset+currentChunkLimit > totalSize {
            currentChunkLimit = totalSize - currentOffset
        }
        go func(offset, chunkLimit int64) {
            defer wg.Done()
            read(offset, chunkLimit, "interview.txt", channel)
            fmt.Printf("%d thread has been completed\n", i)
        }(currentOffset, currentChunkLimit)
        current += currentChunkLimit
    }

    wg.Wait()
    close(channel)
    <-done
    close(done)

    fmt.Println("A - ", aCount)
    fmt.Println("E - ", eCount)
    fmt.Println("I - ", iCount)
    fmt.Println("O - ", oCount)
    fmt.Println("U - ", uCount)
}

// 修改read函数：直接按字节块读取，不丢弃边界内容，避免数据丢失
func read(offset int64, limit int64, fileName string, channel chan string) {
    file, err := os.Open(fileName)
    if err != nil {
        panic(err)
    }
    defer file.Close()

    _, err = file.Seek(offset, io.SeekStart)
    if err != nil {
        panic(err)
    }

    reader := bufio.NewReader(file)
    buffer := make([]byte, limit)
    n, err := reader.Read(buffer)
    if err != nil && err != io.EOF {
        panic(err)
    }
    // 将读取到的有效字节转为字符串发送到通道
    channel <- string(buffer[:n])
}

修复说明 #

1. 修正统计逻辑：使用strings.Count统计每个元音在字符串中的出现次数，累加得到总次数，匹配预期统计目标。
2. 修复变量捕获：在循环内创建局部变量currentOffset捕获当前偏移量，并作为参数传递给goroutine，确保每个goroutine处理正确的文件块。
3. 优化分块读取：直接按字节块读取，不再丢弃边界内容，避免数据丢失；同时处理最后一块的大小，避免超出文件范围。
4. 使用int64计数器：避免大文件统计时出现整数溢出问题。

运行修复后的代码，统计结果会与预期一致。

内容的提问来源于stack exchange，提问作者Curious