的Java ::如何使用正则表达式的文件不需要行突破了800兆

如果我有超过800兆的数据，数据是没有断线。我将使用正则表达式示例Ex。的Java ::如何使用正则表达式的文件不需要行突破了800兆

String.replaceAll("([a-z][a-z][.?!]+) ?([A-Z][a-z]+)", "$1\r\n$2");

或其他。

请指导我如何在文件大小的情况下使用正则表达式。

问：有尝试过吗？绝对好奇;） – paulsm4

你绝对不希望使用正则表达式！ – fge

800兆字节太大，实际上在内存中是一个字符串。你应该使用一个命令行工具可以处理该文件作为流，流像'sed' – Bohemian

你肯定不希望使用正则表达式这样的大小。

如果您没有任何经典的Unix工具（sed，perl，awk）可供您使用，请查看Guava的CharMatcher：以字节数组读取文件，将其转换为字符串，使用CharMatcher找到任何感兴趣的东西，如果是写一个修改过的数组。

而且，当然，不要内联编写，而应该编写另一个文件，如果您已成功执行转换，则将其重命名为原始文件。

为了您的标点符号的需求，例如，你可以使用一个CharMatcher.anyOf("?!.")。

2013-01-10 01:40:21 fge

只要你有足够的RAM来加载内存中的数据，我不知道为什么它不能完成。我认为如果32位系统64可以处理更大数量的寻址，那么它的极限值就是体系结构，那就是它将使用4GB的极限。

您还需要Java虚拟机设置你很多比默认的虚拟机最大内存设置大。例如

java -Xmx1g myprogram

我仍然不会重装它。是不是有办法你可以先分割文件。找到一个通用的分隔符。感谢

2013-01-10 01:36:45 beastofbobmin

回答