Java 用于搜索和替换大文件中的文本的正则表达式

我正在一个大文件中搜索多行模式，如果发现需要替换内容。我想以一种节省内存的方式来实现这一点。我当前的实现从文件中读取4096字节的文本。然后应用regex search replace并将结果保存在bufferoutputstream中。通过不在内存中加载整个文件，这确实给了我一些内存改进，但是我使用map/flush调用进行了大量IO。需要进一步改进我的代码的建议。此外，如果要搜索的模式被划分为相邻的块，则algo将失败。任何关于如何有效搜索的想法都可以替换被分割成相邻块的文本。假设：要搜索的文本始终小于4096字节

public void searchAndReplace (String inputFilePath, String outputFilePath) {

    Pattern HEADER_PATTERN =  Pattern.compile("<a [^>]*>[^(</a>)]*</a>", Pattern.DOTALL);
    Charset UTF8 = Charset.forName("UTF-8");
    File outputFile = new File(outputfilepath);
    if (!outputFile.exists()) {
        outputFile.createNewFile();
    }

    FileInputStream inputStream = new FileInputStream(new File(inputfilepath));
    FileOutputStream outputStream = new FileOutputStream(outputFile);

    FileChannel inputChannel = inputStream.getChannel();

    final long length = inputChannel.size();
    long pos = 0;
    while (pos < length) {
        int remaining = (int)(length - pos) > 4096 ? 4096 : (int)(length - pos);
        MappedByteBuffer map = inputChannel.map(FileChannel.MapMode.READ_ONLY, pos, remaining);
        CharBuffer cbuf = UTF8.newDecoder().decode(map);
        Matcher matcher = HEADER_PATTERN.matcher(cbuf);
        StringBuffer sb = new StringBuffer();
        while (matcher.find()) {
            matcher.appendReplacement(sb, "Some text");
        }
        matcher.appendTail(sb);
        outputStream.write(sb.toString().getBytes());
        outputStream.flush();
        pos = pos + 4096;
    }

    inputStream.close();
    outputStream.close(); 
}

public void searchAndReplace（字符串inputFilePath，字符串outputFilePath）{
模式头\u Pattern=Pattern.compile（“]*>[^（）]*”，Pattern.DOTALL）；
字符集UTF8=Charset.forName（“UTF-8”）；
File outputFile=新文件（outputfilepath）；
如果（！outputFile.exists（））{
outputFile.createNewFile（）；
}
FileInputStream inputStream=新FileInputStream（新文件（inputfilepath））；
FileOutputStream outputStream=新的FileOutputStream（outputFile）；
FileChannel inputChannel=inputStream.getChannel（）；
最终长长度=inputChannel.size（）；
长pos=0；
while（pos4096？4096：（整数）（长度-位置）；
MappedByteBuffer map=inputChannel.map（FileChannel.MapMode.READ_ONLY，pos，剩余）；
CharBuffer cbuf=UTF8.newDecoder（）.decode（map）；
Matcher Matcher=标头_PATTERN.Matcher（cbuf）；
StringBuffer sb=新的StringBuffer（）；
while（matcher.find（））{
（某人，“一些文字”）；
}
（某人）；
write（sb.toString（）.getBytes（））；
outputStream.flush（）；
pos=pos+4096；
}
inputStream.close（）；
outputStream.close（）；
}

声明字符串中不太可能出现的特殊字符列表。然后测试字符串，确保其中没有一个特殊字符。在要执行正则表达式的区域之间植入特殊字符。然后，您可以使用/myRegExHere[^\\\]/g进行查找/替换或搜索，您必须使用java吗？如果不是，你使用什么操作系统？你更喜欢使用java，因为我希望应用程序独立于操作系统。如果没有其他替代方法，则希望使用OS grep/find。非常确定您的正则表达式没有执行您认为它可以执行的操作：它要求锚点不包含任何字符

（，或）

。我想你真的想要

“]*>.*？

也许你应该使用流式XML解析器来处理这个问题。+邓肯：是的，我最后也这么做了。谢谢