正则表达式搜索模式在非常大的文件中

我想在非常大的文件（超过1 GB）中搜索由单行组成的模式。 无法将其加载到内存中。 目前，我使用BufferedReader读取缓冲区（1024个字符）。 主要步骤：

1. 将数据读入两个缓冲区
2. 在缓冲区中搜索模式
3. 如果找到模式，则增加变量
4. 将第二个缓冲区复制到第一
5. 将数据加载到第二个缓冲区
6. 在两个缓冲区中搜索模式。
7. 如果找到模式，则增加变量
8. 重复上述步骤（从4开始）直到EOF

该算法（两个缓冲区）让我避免情况，其中搜索的文本块被块分割。 它的作用就像一个chram，除非模式结果小于两个缓冲区的长度。 例如，我无法处理大小写，当结果更长时 – 让我们说多3个缓冲区（但我只有两个缓冲区中的数据，所以匹配将失败！）。 更重要的是，我可以实现这样的情况：

1. 准备1 GB单行文件，其中包含“baaaaaaa（….）aaaaab”
2. 搜索模式ba*b 。
3. 整个文件匹配模式！
4. 我没有打印结果，我只能说：“是的，我能找到模式”或“不，我无法找到”。

用java可以吗？ 我的意思是：

1. 能够确定文件中是否存在模式（不将整行加载到内存中，请参见上述情况）
2. 当匹配结果长于块时，找到处理大小写的方式。

我希望我的解释非常明确。

Answer 1

我认为你的解决方案是将CharSequence实现为非常大的文本文件的包装器。

为什么？ 因为从Pattern构建Matcher CharSequence作为参数。

当然，说起来容易做起来难……但那时你只有三种方法可以实现，所以这不应该太难……

---

编辑我采取了暴跌，我吃了自己的狗的食物 。 “最糟糕的部分”是它确实有效！

Answer 2

看起来你可能需要将搜索模式分解成碎片，因为，鉴于你的限制，完全搜索它是失败的。

你能确定缓冲区是否包含匹配的开头 ？ 如果是，请保存该状态，然后搜索下一部分以查找匹配的下一部分。 继续，直到找到整个搜索词。