Question

我想使用PHP在二进制文件中找到特定的字节序列。我用十六进制表示这个序列，以避免输入太多的0和1。要查找的序列是0x4749524f。这是我现在提出的工作解决方案：

$mysequence = "4749524f";
$f = fopen($filename, "r") or die("Unable to open file!");
while(!feof($f)){
    $seq = fread($f, 4);
    if(bin2hex($seq) == $mysequence){
        echo "found!";
        break;
    }
    else if(!feof($f)) fseek($f, -3, SEEK_CUR);
}

算法的作用很简单：

阅读4字节
检查它们是否等于序列
如果等于 - >找到了！停止执行。
如果它们不相等且我不在文件的末尾，请将3字节返回到文件中并重复步骤1.

为什么我要回3个字节？因为如果这是文件的内容：

0000 4749 524f 0000 01b0 0013

如果我没有返回3字节，我将在第一次迭代时读取0000 4749，在第二次迭代时读取524f 0000，在第三次迭代时读取01b0 0013，你可以看到我错过了顺序。

问题：它像地狱一样缓慢......应用程序必须使用最大50MB的文件，因此需要永远找到这个序列。

PHP中是否有一个优化的功能可以完成这项工作？这样做有更快（不像我的傻）的方法吗？

Answer 1

首先，您的$mysequence在搜索时没有变化，因此您可以拨打hex2bin($mysequence)一次，直接与$seq进行比较。

至于做得更快，你可以尝试在大缓冲区中读取和搜索字符串。较大的缓冲区=＆gt;更快的搜索，但需要更多的内存。快速代码草案，它应该如何：

$mysequence = "4749524f";
$searchBytes = hex2bin($mysequence);
$crossing = 1 - length($searchBytes); // - (length - 1); see below
$buf = ''; $buflen = 10000;
$f = fopen($filename, "r") or die("Unable to open file!");
while(!feof($f)) 
{
    $seq .= fread($f, $buflen);
    if(strpos($seq, $searchBytes) === false) // strict comparation here. zero can be returned!
    {
        // keep last n-1 bytes, because they can be beginning of required sequence
        $seq = substr($seq, $crossing);
    }
    else
    {
        echo "found!";
        break;
    }
}
unset($seq); // no need to keep this in memory any more

Answer 2

从磁盘读取操作总是需要很长时间。您不能指望磁盘缓存。这是操作系统的事情。相反，做你自己的“缓存”，就像它一样。读入一长串字节，类似于1M（或更多）。这减少了磁盘读取。然后在内存中搜索。读取下一个1M字节时，请务必在前面添加前一个字节的最后3个字节。搜索每一组直到找到。读取的实际大小需要在RAM使用和磁盘读取之间取得平衡。

在PHP中搜索二进制文件中的字节序列？

2 个答案: