如何從char數組創建一個字符串而不復制它？

我有一個非常大的字符數組，我需要轉換爲字符串，以使用正則表達式就可以了。
但它是如此之大，我得到OutOfMemoryException當我傳遞字符串構造函數。如何從char數組創建一個字符串而不復制它？

我知道，字符串是不可變的和因此不應該可以指定其底層字符集合，但我需要一種方法來使用的正則表達式，而不復制整個事情。

我如何獲得該數組？

我從文件中使用StreamReader得到它。我所知道的起始位置和內容閱讀的長度，Read和ReadBlock方法需要我提供一個緩衝char[]。

所以這裏是我想知道的事情：

是否有指定字符串的墊層收集的方法嗎？（難道它甚至保持其字符數組中的？）
...或者直接字符數組上使用正則表達式？
...或者直接獲取文件的一部分字符串？

來源

2012-10-30 Şafak Gür

什麼是正則表達式？如果它足夠簡單，你可以用代碼遍歷'char []'來代替它。 –

'char []'有多大？ –

@Matt：不幸的是我不能。這是一個非常漫長而複雜的解析器。 –

我想你最好的選擇是將多個char []塊讀入與某個維度重疊的單個字符串。通過這種方式，您可以在各個區塊上執行您的正則表達式，並且重疊會爲您提供確保區塊中的「中斷」不會中斷搜索模式的功能。在僞碼的方式：

int chunkSize = 100000; 
int overLap = 2000; 

for(int i = 0; i < myCharArray.length; i += chunkSize - overlap) 
{ 
    // Grab your array chunk into a partial string 
    // By having your iteration slightly smaller than 
    // your chunk size you guarantee not to miss any 
    // character groupings. You just need to make sure 
    // your overlap is sufficient to cover the expression 
    string chunk = new String(myCharArray.Skip(i).Take(chunkSize).ToArray()); 
    // run your regex 
}

來源

2012-10-30 19:55:06

評論：沒有理由使用Linq方法'跳過「和」跳轉「。有[字符串構造函數重載]（http://msdn.microsoft.com/en-us/library/ms131424.aspx）做這樣的東西。此外，Linq方法'ToArray（）'會複製數據一段時間。 –

+1。用重疊的塊閱讀似乎是在C＃中與未知正則表達式匹配的合理方法。評論評論：我認爲可以使用Skip/Take樣本，因爲它很好地表明瞭這一點，而且明顯錯誤的做法不太可能直接用作複製粘貼。 –

@JeppeStigNielsen：這只是爲了僞代碼，而不是查找最好的c＃方法，我用我定期輸入的東西去找到我的觀點。如果有人逐字執行上述代碼，我會質疑他們的理智。 –

-1

如果您使用的是.NET 4.0或更高版本，你應該使用什麼是MemoryMappedFile。這個類是專門設計的，所以你可以操縱非常大的文件。從MSDN文檔：

內存映射文件的文件的內容映射到應用程序的邏輯地址空間。內存映射文件使程序員非常大的文件工作，因爲內存可以同時管理，並允許他們無需爲尋求完整，隨機訪問文件。內存映射文件也可以通過多個進程共享。

一旦獲得了內存映射文件，請查看this Stack Overflow answer瞭解如何將RegEx應用於內存映射文件。

希望這會有所幫助！

來源

2012-10-30 20:06:30 Icemanind

-1。不知道爲什麼使用MemoryMappedFile比StreamReader更好（必須手動處理編碼）......也不清楚爲了在字節數組上運行Regex而在Java代碼中實現匹配的C＃實現。 –

@AlexeiLevenkov - MemoryMappedFile比StreamReader更好，因爲StreamReader會將整個文件讀入內存。 MemoryMappedFile將文件分割成窗口或視圖，使您可以在文件的特定區域上進行操作。 MemoryMappedFile只讀入所需的字節數量，而不是整個事物。 – Icemanind

@icemanind：錯了。 StreamReader不會將整個文件讀入內存。 – SLaks

一個比較難看的選擇是使用非託管的正則表達式庫（如POSIX正則表達式庫）和不安全的代碼。你可以獲得一個byte *指向char數組的指針並將其直接傳遞給非託管庫，然後將響應編組回去。

fixed (byte * pArray = largeCharArray) 
{ 
    // call unmanaged code with pArray 
}

來源

2012-10-30 21:07:38 Tergiver

如果你有，你可以搜索以保證不會在你試圖找到模式的字符或圖案，你可以掃描該字符數組，創建更小的字符串單獨處理。過程將是這樣的：

char token = '|'; 
int start = 0; 
int length = 0; 
for(int i = 0; i < charArray.Length; i++;) 
{ 
    if(charArray[i] == token) 
    { 
     string split = new string(charArray,start,length); 
     // check the string using the regex 

     // reset the length 
     length = 0; 
    } 
    else 
    { 
     length++; 
    } 
}

這樣你就可以複製在每次嘗試後對整個字符串進行GCed的字符串的較小部分。

來源

2012-10-31 13:22:06

如何從char數組創建一個字符串而不復制它？

回答

相關問題