使用java在文本文件中查找字符串的最快方法

Question

檢查文件是否包含特定字符串或數字的最快方法是什麼？

Answer 1

查看JDK提供的Scanner類（See official documentation）。您將能夠跳過某些輸入部分（在本例中爲文本文件），並與您的願望的正則表達式相匹配。我不確定這是否是最有效的方式，但肯定 - 這很簡單。你也可以看看this example，這會幫助你開始。

Answer 2

未嘗試過，但可能最快的機制是首先將您的搜索關鍵字編碼爲文件。例如，如果您知道該文件是UTF-8，請取出您的密鑰並將其從一個字符串（UTF-16）編碼爲UTF-8字節數組。這很重要，因爲通過編碼到文件表示，您只能對密鑰進行編碼。使用標準的Java閱讀器則是另一種方式 - 將文件轉換爲UTF-16。

現在您已經有了一個正確的密鑰，以字節爲單位，使用NIO爲該文件創建一個MappedByteBuffer。這將文件映射到虛擬內存空間。

最後，執行字符串搜索一個Boyer-Moore algorithm，使用針對通過映射區域的文件的字節的關鍵字節，

有可能是一個更快的方法，但是這解決了大部分問題在Java中搜索文本文件。它利用虛擬機來避免複製文件的大塊，並且跳過文件轉換爲UTF-16的轉換步驟，而UTF-16是Java在內部使用的。

Answer 3

看看下面的算法：

• Boyer-Moore
• Knuth-Morris-Pratt

，或者如果你想找到一組字符串之一：

• Rabin-Karp

Answer 4

我在MIMEParser找到的最好的實現： 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) { 

還需要：

private void compileBoundaryPattern();