在PHP中搜索二进制文件中的字节序列？

我想使用PHP在二进制文件中查找特定的字节序列。我用十六进制表示这个序列，以避免键入过多的0和1。要查找的序列是

0x4749524f

。这是我目前提出的有效解决方案：

$mysequence = "4749524f";
$f = fopen($filename, "r") or die("Unable to open file!");
while(!feof($f)) {
    $seq = fread($f, 4);
    if(bin2hex($seq) == $mysequence) {
        echo "found!";
        break;
    }
    else if(!feof($f)) fseek($f, -3, SEEK_CUR);
}

算法的作用很简单：

读取4个字节

检查它们是否等于序列

如果它们相等->找到！停止执行

如果它们不相等，并且我不在文件末尾，则返回文件中的3个字节，并重复步骤1

为什么我要返回3个字节？因为如果这是文件的内容：

0000 4749 524f 0000 01b0 0013

如果我不返回3个字节，我将在第一次迭代中读取

0000 4749

，在第二次迭代中读取

524f 0000

，在第三次迭代中读取

01b0 0013

，您可以看到我错过了序列

问题：速度太慢了……应用程序必须处理50MB大小的文件，所以要找到这个序列需要很长时间

---

PHP中是否有一个优化的函数可以完成这项工作？有没有一种更快（不像我这样笨）的方法呢？

首先，你的

$mysequence

在搜索时不会改变，所以你可以调用

hex2bin（$mysequence）

一次，并直接与

$seq

进行比较

要想更快，可以尝试在大缓冲区中读取和搜索字符串。更大的缓冲区=>更快的搜索，但需要更多的内存。快速代码草稿，这应该是什么样子：

$mysequence = "4749524f";
$searchBytes = hex2bin($mysequence);
$crossing = 1 - length($searchBytes); // - (length - 1); see below
$buf = ''; $buflen = 10000;
$f = fopen($filename, "r") or die("Unable to open file!");
while(!feof($f)) 
{
    $seq .= fread($f, $buflen);
    if(strpos($seq, $searchBytes) === false) // strict comparation here. zero can be returned!
    {
        // keep last n-1 bytes, because they can be beginning of required sequence
        $seq = substr($seq, $crossing);
    }
    else
    {
        echo "found!";
        break;
    }
}
unset($seq); // no need to keep this in memory any more

---

从磁盘读取总是需要很长时间。你不能指望磁盘缓存。这是一个操作系统的东西。取而代之的是，按原样进行自己的“缓存”。读取一长组字节，大约1M（或更多）。这减少了磁盘读取。然后在内存中搜索。在读取下一个1M字节时，请确保在前一组的最后3个字节前加上前缀。搜索每个集合，直到找到为止。读取的实际大小需要在RAM使用和磁盘读取之间保持平衡。

读取的字节数很长，大约为1M（或更多）。然后在内存中搜索。当读取下一个1M字节时，一定要检查第一组的最后3个是否是指针的开始。好的，我要试试！谢谢顺便说一句，我以为文件在读取过程中缓存在memry中……你是说每次我运行函数fread时，文件都是直接从硬盘读取的吗？@AlbertoFontana这只是对相同方法的修改，只读取较大的块（我认为是4-8k），然后是“在块中查找”（vs“块精确匹配”）。要轻松处理分割的块，一个简单的方法是同时向后搜索，这样块实际上会重叠几个字节（如果搜索频率相对较低，这种近距离搜索就足够了）。正是减少了系统调用的数量才是最大的性能差异。另外，通过将$mysequence转换为字节序列，而不是总是转换读取的数据，还可以减少一点工作。缓存是由操作系统来完成的。对大的读取进行自己的缓存。在读取下一组字节后，在前一组字节的最后3个字节前加前缀并开始搜索。我不明白你说的是：“搜索时你的$seq没有变化，所以你可以调用bin2hex（）一次。”。当然$seq会改变，因为我在每个循环中读到一个新的序列…我错了吗？我的错。您可以调用

hex2bin（$mysequence）

并与$seq进行比较。每次都不调用

bin2hex

。