我想搜索由单行组成的非常大的文件(f.e大于1 GB)中的模式。
无法将其加载到内存中。目前,我使用BufferedReader
读入缓冲区(1024个字符)。
主要步骤:
该算法(两个缓冲区)让我避免情况,其中搜索的文本块被块分割。它的作用就像一个chram,除非模式结果小于两个缓冲区的长度。例如,我无法处理大小写,当结果更长时 - 让我们说多3个缓冲区(但我只有两个缓冲区中的数据,因此匹配将失败!)。更重要的是,我可以意识到这样的情况:
ba*b
。用java可以吗?我的意思是:
我希望我的解释非常明确。
答案 0 :(得分:13)
我认为您的解决方案是将CharSequence
实现为非常大的文本文件的包装。
为什么呢?因为从Matcher
构建Pattern
需要CharSequence
作为参数。
当然,说起来容易做起来难......但是你只有三种方法可以实施,所以不应该太难......
编辑我冒险尝试了ate my own dog's food。最糟糕的部分"是它确实有效!
答案 1 :(得分:1)
似乎你可能需要将搜索模式分解成碎片,因为,鉴于你的限制,完全搜索它是失败的。
您能确定缓冲区包含匹配的开头吗?如果是,请保存该状态,然后搜索下一部分以查找匹配的下一部分。继续,直到找到整个搜索词。