使用Java在文件中搜索正则表达式

我在这里问的应该很普遍，但我的目的是找出最好的方法

• 我在一个目录中有一个文件列表（比如n），所有这些文件都有 已按扩展进行分类
• 我有一个包含正则表达式模式（比如m）的csv文件，我想在所有特定类型的文件中查找它
• 我想有一个最终输出，其中我有一个正则表达式模式，文件名， 列出行和行号

以下是我应该如何处理的几个问题：

有没有办法避免m*n操作

什么更快？读取文件、缓冲内容并在搜索所有正则表达式之前将每一行存储在数组中，或者我应该采用正则表达式模式，逐行读取文件并在解析时搜索而不占用内存

我认为读/写操作是最累人的-因此，我希望有'n+1'读取（文件，csv），并且在最后只有一次写入。我的假设和方法正确吗

数组、列表、hashmaps，还有其他一些东西——关于完成任务的最佳方式有什么建议吗？我认为解析文件是提高效率的关键

我可以使用哪些特别的“不常见”Java API来显著减少代码

我感谢您对这个问题的任何见解/帮助

---

.

首先编写一个简单的工作解决方案，然后对其进行优化。也就是说，我认为你可以做一些类似的事情：

• 从正在搜索的每个正则表达式构造一个复合正则表达式。如果他们不使用捕获模式，我想你可以做一些类似于

  “（regex1）|（regex2）|（regex3）

  的事情，这是有效的。不过，我并不确定——我从来都不清楚正则表达式捕获组在不同的
  分支中是如何工作的
• 使用

  Pattern.compile（regexString）

  预编译正则表达式，使其不会多次重建
• 用番石榴一次就可以把每一个锉刀都磨光。如果您非常喜欢逐行操作，请使用获取

  列表。您甚至可以使用完整的基于回调的
  Files.readLines（File、Charset、LineProcessor）
  来避免将整个文件一次存储在内存中

• 使用编译的

  模式

  与目标文件匹配——您可能需要使用

  匹配器

  来确定匹配的确切位置以及匹配的模式

---

首先编写一个简单的工作解决方案，然后对其进行优化。也就是说，我认为你可以做一些类似的事情：

• 从正在搜索的每个正则表达式构造一个复合正则表达式。如果他们不使用捕获模式，我想你可以做一些类似于

  “（regex1）|（regex2）|（regex3）

  的事情，这是有效的。不过，我并不确定——我从来都不清楚正则表达式捕获组在不同的
  分支中是如何工作的
• 使用

  Pattern.compile（regexString）

  预编译正则表达式，使其不会多次重建
• 用番石榴一次就可以把每一个锉刀都磨光。如果您非常喜欢逐行操作，请使用获取

  列表。您甚至可以使用完整的基于回调的
  Files.readLines（File、Charset、LineProcessor）
  来避免将整个文件一次存储在内存中

• 使用编译的

  模式

  与目标文件匹配——您可能需要使用

  匹配器

  来确定匹配的确切位置以及匹配的模式

---

，但是meh--为什么不使用grep？，但是meh--为什么不使用grep？复合正则表达式对我不起作用，因为我希望输出也能捕获匹配的正则表达式模式。或者有办法吗？…可能有，但会很棘手。超级狡猾。在这一点上，我建议继续使用独立匹配每个模式的

n*m

解决方案，然后看看这是否足够快，满足您的需要。如果不是，那么继续尝试深层黑客操作——可能是通过找出哪个模式是对应于“regex number\uuuuuuuu”的“外部模式”。复合regex对我不起作用，因为我希望输出也能捕获匹配的regex模式。或者有办法吗？…可能有，但会很棘手。超级狡猾。在这一点上，我建议继续使用独立匹配每个模式的

n*m

解决方案，然后看看这是否足够快，满足您的需要。如果没有，那么继续尝试深层黑客攻击——可能是通过找出与“regex number”对应的“外部模式”