使用java在文本文件中查找字符串的最快方法

Question

检查文件是否包含特定字符串或数字的最快方法是什么？

Answer 1

看一下 JDK 附带的 Scanner 类 (请参阅官方文档）。您将能够跳过输入的某些部分（在本例中为文本文件）并与您想要的正则表达式进行匹配。我不确定这是否是最有效的方法，但可以肯定的是 - 它非常简单。您还可以查看 这个示例，它将帮助您入门。

Answer 2

未经尝试，但可能最快的机制是首先获取您的搜索密钥并像文件一样对其进行编码。

例如，如果您知道文件是 UTF-8，请获取密钥并将其从字符串（UTF-16）编码为 UTF-8 字节数组。这很重要，因为通过编码到文件表示形式，您只需对密钥进行编码。使用标准 Java Readers 则采用另一种方式——将文件转换为 UTF-16。

现在您已经有了一个正确的密钥（以字节为单位），请使用 NIO 创建一个 MappedByteBuffer。这会将文件映射到虚拟内存空间。

最后，使用字节实现用于字符串搜索的 Boyer-Moore 算法通过映射区域将密钥与文件的字节进行比较，

很可能有一种更快的方法，但这解决了在 Java 中搜索文本文件的大部分问题。它利用 VM 来避免复制大块文件，并且跳过将文件采用的任何编码转换为 Java 内部使用的 UTF-16 的步骤。

Answer 3

查看以下算法：

• Boyer-Moore
• Knuth-Morris-Pratt

或者如果您想查找一组字符串中的一个：

• < a href="http://en.wikipedia.org/wiki/Rabin-karp" rel="nofollow">Rabin-Karp

Answer 4

我在 MIMEParser 中找到的最好的实现：
https://github.com/samskivert/ikvm-openjdk/blob/master/build/linux-amd64/impsrc/com/sun/xml/internal/org/jvnet/mimepull/MIMEParser.java

/**
 * Finds the boundary in the given buffer using Boyer-Moore algo.
 * Copied from java.util.regex.Pattern.java
 *
 * @param mybuf boundary to be searched in this mybuf
 * @param off start index in mybuf
 * @param len number of bytes in mybuf
 *
 * @return -1 if there is no match or index where the match starts
 */

private int match(byte[] mybuf, int off, int len) {

还需要：

private void compileBoundaryPattern();