快速比较两个巨大文本文件的内容

时间:2010-12-08 14:06:50

标签: c# .net

我基本上要做的是比较两个巨大的文本文件,如果它们匹配写出一个字符串,我写了这个,但它非常慢。我希望你们有更好的主意。在下面的例子中,我正在比较collect [3] splitfound [0]

        string[] collectionlist = File.ReadAllLines(@"C:\found.txt");
        string[] foundlist = File.ReadAllLines(@"C:\collection_export.txt");
        foreach (string found in foundlist)
        {
            string[] spltifound = found.Split('|');
            string matchfound = spltifound[0].Replace(".txt", ""); ;
            foreach (string collect in collectionlist)
            {
                string[] splitcollect = collect.Split('\\');
                string matchcollect = splitcollect[3].Replace(".txt", "");
                if (matchcollect == matchfound)
                {
                    end++;
                   long finaldest = (start - end);
                   Console.WriteLine(finaldest);
                    File.AppendAllText(@"C:\copy.txt", "copy \"" + collect + "\" \"C:\\OUT\\" + spltifound[1] + "\\" + spltifound[0] + ".txt\"\n");
                    break;
                }



            }

        }

抱歉模糊不清的人,

我想要做的只是说如果一个文件中的内容存在于另一个文件中,则写出一个字符串(字符串不重要,只是找到两个比较的时间)。 collectionlist是这样的:
Apple | Farm

foundlist就像这样 C:\牛\马\ turtle.txt
C:\牛\猪\ apple.txt

我正在做的是从收集列表中取苹果,并在foundlist中找到包含apple的行。然后写出一个基本的Windows副本批处理文件。对不起,感到困惑。

答案(所有信贷给Slaks)

               string[] foundlist = File.ReadAllLines(@"C:\found.txt");
           var collection = File.ReadLines(@"C:\collection_export.txt")
        .ToDictionary(s => s.Split('|')[0].Replace(".txt",""));

        using (var writer = new StreamWriter(@"C:\Copy.txt"))
        {
            foreach (string found in foundlist)
            {
                string[] splitFound = found.Split('\\');
                string matchFound = Path.GetFileNameWithoutExtension(found);

                string collectedLine;
                if (collection.TryGetValue(matchFound,out collectedLine))
                {
                    string[] collectlinesplit = collectedLine.Split('|');
                    end++;
                    long finaldest = (start - end);
                    Console.WriteLine(finaldest);
                    writer.WriteLine("copy \"" + found + "\" \"C:\\O\\" + collectlinesplit[1] + "\\" + collectlinesplit[0] + ".txt\"");
                }
            }
        }

3 个答案:

答案 0 :(得分:4)

  • 调用File.ReadLines()(.NET 4)而不是ReadAllLines()(.NET 2.0) ReadAllLines需要构建一个数组来保存返回值,对于大文件来说这可能非常慢 如果您不使用.Net 4.0,请将其替换为StreamReader。

  • 使用Dictionary<string, string>(一次)构建matchCollect,然后遍历foundList并检查HashSet是否包含matchFound
    这允许您使用O(1)散列检查替换O(n)内循环

  • 使用StreamWriter而不是调用AppendText

  • 编辑:调用Path.GetFileNameWithoutExtension和其他Path方法,而不是手动操作字符串。

例如:

var collection = File.ReadLines(@"C:\found.txt")
    .ToDictionary(s => s.Split('\\')[3].Replace(".txt", ""));

using (var writer = new StreamWriter(@"C:\Copy.txt")) {
    foreach (string found in foundlist) {
        string splitFound = found.Split('|');
        string matchFound = Path.GetFileNameWithoutExtension(found)

        string collectedLine;
        if (collection.TryGetValue(matchFound, collectedLine)) {
            end++;
            long finaldest = (start - end);
            Console.WriteLine(finaldest);
            writer.WriteLine("copy \"" + collectedLine + "\" \"C:\\OUT\\" 
                           + splitFound[1] + "\\" + spltifound[0] + ".txt\"");
        }
    }
}

答案 1 :(得分:1)

首先,我建议对两个文件进行规范化,然后将其中一个放入一个集合中。这使您可以快速测试是否存在特定行,并将复杂度从O(n * n)降低到O(n)。

每次写一行时都不应该打开和关闭文件:

File.AppendAllText(...); // This causes the file to be opened and closed.

在操作开始时打开输出文件一次,向其写入行,然后在写完所有行后关闭它。

答案 2 :(得分:1)

你有一个笛卡尔积,因此有必要对一边进行索引,而不是做一个冗长的线性搜索。

从一个文件中提取密钥,并使用Set或SortedList数据结构来保存它们。这将使查找速度更快。 (您的整体算法将是O(N lg N)而不是O(N ** 2))