大文件中的正则表达式搜索模式

Question

我想在包含单行的超大文件（fe大于1
GB）中搜索模式。无法将其加载到内存中。目前，我使用BufferedReader读入缓冲区（1024个字符）。主要步骤：

1. 将数据读入两个缓冲区
2. 该缓冲区中的搜索模式
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个
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）让我避免了将搜索到的文本按块分割的情况。除非模式结果小于两个缓冲区的长度，否则它的工作方式类似于chram。例如，当结果更长时，我无法处理大小写的情况-
假设只有3个缓冲区（但是我只有两个缓冲区中的数据，因此匹配将失败！）。而且，我可以实现这种情况：

1. 准备1 GB的单行文件，其内容为“ baaaaaaa（....）aaaaab”
2. 搜索模式ba*b。
3. 整个文件的匹配模式！
4. 我不必打印结果，我只能说：“是的，我能够找到模式”或“否，我无法找到它”。

Java有可能吗？我的意思是：

1. 能够确定文件中是否存在模式（无需将整行加载到内存中，请参见上面的情况）
2. 当匹配结果比块长时，找到处理情况的方法。

我希望我的解释很清楚。

Answer 1

我认为您的解决方案是将其实现CharSequence为非常大的文本文件的包装。

为什么？因为Matcher从a 构建a Pattern需要一个CharSequence参数。

当然，说起来容易做起来难……但是然后您只有三种方法可以实现，所以这应该不会太难…

编辑 我大吃一顿，吃了自己的狗粮。“最糟糕的部分”是它确实有效！