正則表達式在使用Java的文件中搜索

Question

我在這裏問的應該是相當普遍的，但我的意圖是找出最好的方法來做到這一點。

• 我有一個目錄中的文件列表（如n） - 所有這些文件都有 已被分類分類。
• 我有一個包含正則表達式模式（比如m）的csv文件，我想在特定類型的所有文件中查找它們。
• 我想要有一個最終輸出，其中我列出了一個正則表達式模式，文件名， 行和行號。

以下是關於我應該如何處理這個我有幾個問題：

1. 有沒有一種方法，我可以避開m * n個操作？
2. 速度更快 - 在搜索所有正則表達式前，讀取文件，緩衝內容並將每行存儲在數組中，或者我應該採用正則表達式模式，逐行讀取文件並按照我解析的方式搜索，而不使用up內存？
3. 我認爲讀/寫操作是最重要的 - 因此，我希望'n + 1'讀取（文件，csv），最後只需一次寫入。我的假設和方法是否正確？
4. 陣列，列表，hashmaps，別的東西 - 任何建議什麼是完成任務的最佳方式？我認爲解析文件會是效率的關鍵嗎？
5. 我可以使用哪些特殊的「不常見」Java API來顯着減少代碼？

我很感謝任何有關這個問題的見解/幫助。

。

Answer 1

先寫一個簡單的工作解決方案，然後優化它。也就是說，我認爲你可以做類似的事情：

• 從你正在搜索的每個單獨的正則表達式構造一個複合正則表達式。如果他們不使用捕獲模式，我懷疑你可以做一些像"(regex1)|(regex2)|(regex3)"這樣的事情，這是有效的。但我並不積極 - 我從來不清楚正則表達式捕獲組是如何在不同的|分支中工作的。
• 使用Pattern.compile(regexString)預編譯正則表達式，因此它不會重建多次。
• 使用番石榴的Files.toString(File, Charset)只是一口氣把每個文件一齊。如果你熱衷於逐行操作，請使用Files.readLines(File, Charset)獲得List<String>。您甚至可以使用全面的基於回撥的Files.readLines(File, Charset, LineProcessor)來避免一次將整個文件存儲在內存中。
• 使用已編譯的Pattern來匹配目標文件 - 您可能需要使用Matcher來確定匹配的確切位置以及匹配的模式。