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

查看JDK提供的Scanner类（See official documentation）。您将能够跳过某些输入部分（在本例中为文本文件），并与您的愿望的正则表达式相匹配。我不确定这是否是最有效的方式，但肯定 - 这很简单。你也可以看看this example，这会帮助你开始。

Answer 2

未尝试过，但可能最快的机制是首先将您的搜索关键字编码为文件。例如，如果您知道该文件是UTF-8，请取出您的密钥并将其从一个字符串（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，您只能对密钥进行编码。使用标准的Java阅读器则是另一种方式 - 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，使用NIO为该文件创建一个MappedByteBuffer。这将文件映射到虚拟内存空间。

最后，执行字符串搜索一个Boyer-Moore algorithm，使用针对通过映射区域的文件的字节的关键字节，

有可能是一个更快的方法，但是这解决了大部分问题在Java中搜索文本文件。它利用虚拟机来避免复制文件的大块，并且跳过文件转换为UTF-16的转换步骤，而UTF-16是Java在内部使用的。

Answer 3

看看下面的算法：

• Boyer-Moore
• Knuth-Morris-Pratt

，或者如果你想找到一组字符串之一：

• Rabin-Karp

Answer 4

我在MIMEParser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();