快速shell命令，用于在大文件中查找字符串序列的位置

Question

我在linux中有一个只有1行的~200MB文件。我需要一个能够快速返回该行/文件中出现字符串序列的第一个位置的命令。

示例：文件中行的开头是“43525346465746123”，如果输入5746，则返回11。

我已经在使用awk命令了

awk -v find=5746 '{ printf ("%s", index($0,find) ) }' file

但是对于200MB文件，此命令大约需要6秒。有更快的方法吗？ 我还希望它返回序列前后的几个字符。在上面的例子中，它们将是：646和123

Answer 1

尝试使用sed（我不知道它将如何与您的数据进行比较，所以请告诉我们）：

sed -n "s/^.*(...5746...).*$/\1/p" file

我现在没有系统来测试这个，但这里的理论是：

• -n：默认情况下不打印每一行（如果找不到搜索字符串）
• s：替换
• ^.*：从开始，吃掉所有的角色，直到......
• (...5746...)：捕获搜索字符串和一些周围的字符
• .*$：吃剩下的一行
• \1：用捕获
替换该行
• p：打印（仅限匹配时）

编辑：或尝试grep（再次，请告诉我们您的数据的性能）：

grep -o "...5746..." file

Answer 2

不知道它会如何扩展，但你可以尝试：

grep -o -P '.*?5746' | echo "`wc -m`-3" | bc 

处理非贪婪的正则表达式需要

-P，因为上面没有它会匹配整个字符串直到（并包括）˙5746的最后一次出现。 -o仅输出匹配的模式，然后wc -m计算字符数，但它也包含模式，因此应该递减（例如使用bc）。