在行大小不固定的UTF-8编码文本文件上使用Java进行二进制搜索

我有一个选项卡分隔的UTF-8文件，其中记录按一个字段排序。但是，线的大小不是固定的，因此不能直接跳到特定的位置。我如何对此进行二进制搜索

例如：

第1行：阿尔弗雷德·布伦德尔/m/011hww/m/0crsgs6、/m/0crvt9h、/m/0cs5n_1、/m/0crtj4t、/m/0crwpnw、/m/0cr_n2s、/m/0crsgyh

---

第2行：Rupert Sheldrake/m/011ybj/m/0crtsz

您知道孔文件包含的字节数。比如说

n

->搜索间隔

[l，r]

与

l=0

，

r=n

• 估计搜索间隔的中间值

  m=（r-l）/2

  。在此位置向左移动尽可能多的字节（也可以向右移动），直到找到制表符（字节==9（9是制表符的ASCII和UTF8代码））[让我们命名此位置

  mReal

  ]，并解码该制表符开头的一行

• 确定在下一个搜索步骤中，您是否必须使用前半部分（=>新搜索间隔为

  [l，mReal]

  ）或后半部分（=>新搜索间隔为

  [mReal，r]

  ）

---

我想你可以从文件大小猜出行的长度

---

然而，当你甚至猜不到行的长度时，我认为最好从生成随机数中进行选择。

你可以跳到字节的中间。从那里你可以找到那一行的结尾，你可以从那一点读下一行。如果你需要向后搜索，每次取四分之一点或四分之三点，然后找到那条线。最终你会把它缩小到一行。

你说的行大小不固定是什么意思？你能展示一个测试用例吗？简言之，他的意思是每一行的长度不是均匀的。（为了向其他读者澄清）你能详细说明一下吗？对不起，我没有得到你的解决方案。请你详细说明一下好吗？@BlackPlanet:至少在我的计算机上\t==9[在ASCII和UTF8中]我的评论并不是想暗示你在ASCII代码上是错误的，只是不清楚你所说的byte==9是什么意思。@BlackPlanet:对不起，我误解了你的评论[有时在你不是母语人士时发生]即使对以英语为母语的人来说，这个词的意思也是模棱两可的。不用担心。你能详细说明一下如何在文件的二进制搜索中使用它吗？这将为你提供所有由EPF_EOL字符串分隔的令牌。因此，您可以轻松接收所有字段

public class YourTokenizer {

    public static final String EPF_EOL = "\t";

    public static final int READ_SIZE = 4 * 1024 ;

    /** The EPF stream buffer. */
    private StringBuilder buffer = new StringBuilder();

    /** The EPF stream. */
    private InputStream stream = null;

    public YourTokenizer(final InputStream stream) {
        this.stream = stream;
    }

    private String getNextLine() throws IOException {
        int pos = buffer.indexOf(EPF_EOL);
        if (pos == -1) {
            // eof-of-line sequence isn't available yet, read more of the file
            final byte[] bytes = new byte[READ_SIZE];
            final int readSize = stream.read(bytes, 0, READ_SIZE);


            buffer.append(new String(bytes));
            pos = buffer.indexOf(EPF_EOL);
            if (pos == -1) {
                if (readSize < READ_SIZE) {
                    // we have reached the end of the stream and what we're looking for still can't be found
                    throw new IOException("Premature end of stream");
                }
                return getNextLine();
            }
        }

        final String data = buffer.substring(0, pos);
        pos += EPF_EOL.length();
        buffer = buffer.delete(0, pos);
        return data;
    }

}

final InputStream stream = new FileInputStream(file);
 final YourTokenizer tokenizer = new YourTokenizer(stream);

 String line = tokenizer.getNextLine();
 while(line != line) {
   //do something
   line = tokenizer.getNextLine();
 }