我正在尝试编写一个程序，它将读取非常大的二进制文件并尝试查找2个不同字符串的出现，然后打印与模式匹配的索引。为了示例，我们假设字符序列是[H,e,l,l,o]和[H,e,l,l,o, ,W,o,r,l,d]。
我能够为小二进制文件编写代码，因为我将每个字符作为一个字节读取，然后将其保存在Arraylist中。然后从Arraylist的开头开始，我将byte arraylist(byte[] data)与byte[] pattern进行比较。
我需要找到一种方法来做同样的事情，但不要将整个二进制文件写入内存中进行比较。这意味着我应该能够在阅读每个字符时进行比较（我不应该将整个二进制文件保存在内存中）。假设二进制文件只包含字符。
有关如何实现这一目标的任何建议？提前谢谢大家。
答案 0 :(得分：5)
好像你真的在寻找Aho-Corasick string matching algorithm。
该算法根据您拥有的给定字典构建自动机，然后允许您使用输入字符串的单次扫描查找匹配项。
维基百科文章链接到this java implementation
答案 1 :(得分：2)
谷歌“有限状态机”。
或者，一次读取一个字节的文件，如果该字节与搜索词的第一个字符不匹配，则继续下一个字节。如果匹配，现在您正在寻找序列中的下一个字符。即，你的状态从0变为1.如果你的状态等于（或传递）搜索字符串的长度，你就找到了它！
执行/调试留给读者。
答案 2 :(得分：0)
有专门的算法，但我们先试试一个简单的算法。
您可以在阅读下一个字节后立即开始进行比较。一旦你这样做，很容易发现你不需要保留任何早于最长模式的字节。
因此，您可以使用与最长模式一样长的缓冲区，将新字节放在一端并将其放在另一端。
正如我所说，算法比这更有效，但它是一个良好的开端。
答案 3 :(得分：0)
使用FileInputStream包裹的BufferedInputStream并比较每个字节。将缓冲区保持为您正在寻找的序列的长度，以便在某些时候它不匹配时回溯。如果您要查找的序列太大，您可以保存偏移量并重新打开文件以供阅读。
或者，如果您只想复制和粘贴某些内容，可以查看this SO question。