在Ruby中解析一个大字符串

我有一个几百兆字节的文件，其中包含字符串：

str1 x1 x2\n
str2 xx1 xx2\n
str3 xxx1 xxx2\n
str4 xxxx1 xxxx2\n
str5 xxxxx1 xxxxx2

其中

x1

和

x2

是一些数字。数字

x（…x）1

和

x（…x）2

的大小未知

每行中都有in

“\n”

。我有一个字符串列表

str2

和

str4

我想找到这些字符串的对应数字

我所做的是非常简单的（并且可能不是高效的性能）：

source_str=read_from_file（）#source_str包含数百兆字节的所有文件内容
str_to_find=[str2，str4]
res=[]
str_to_find.each do|x|
索引=源结构索引（x）
如果索引
a=源代码_str[index..index+x.length]#a包含“str2”
#?? 如何“选择”xx1和xx2？？
#最后。。。
#res如果你想在一个文本文件中找到一行，听起来像是在读，那么逐行读文件

IO类有这样一个方法，它可以很容易地逐行读取文件，还可以很容易地找到包含要查找的特定字符串的行

如果将源输入文件另存为“foo.txt”，则可以使用以下方式读取：

str2 = 'some value'
str4 = 'some other value'
numbers = []
File.foreach('foo.txt') do |li|
  numbers << li.split[2] if li[str2] || li[str2]
end

str2='some value'
str4='其他值'
数字=[]
File.foreach（'foo.txt'）do|li|
数字如果你想在一个文本文件中找到一行，听起来像是在读，那么逐行读文件

IO类有这样一个方法，它可以很容易地逐行读取文件，还可以很容易地找到包含要查找的特定字符串的行

如果将源输入文件另存为“foo.txt”，则可以使用以下方式读取：

str2 = 'some value'
str4 = 'some other value'
numbers = []
File.foreach('foo.txt') do |li|
  numbers << li.split[2] if li[str2] || li[str2]
end

str2='some value'
str4='其他值'
数字=[]
File.foreach（'foo.txt'）do|li|
数字您希望避免向内存中读取100兆字节，以及重复扫描它们。这可能会花费很长时间，同时会阻塞机器的可用内存

尝试重新设置问题的框架，这样您就可以将大型输入文件视为一个流，因此，不要询问要查找的每个字符串“它是否存在于我的文件中？”，而是尝试询问文件中的每一行“它是否包含我要查找的字符串？”

另外，请再次阅读@theTinMan关于文件编码的回答-他建议您可以微调文件的读取以避免错误，而无需更改文件本身

如果要查找的
str\u中有大量项，我建议您使用a而不是
数组
，以获得更好的性能：

str_to_find = [str1, str2, ... str5000].to_set

您希望避免向内存中读取数百兆字节，以及重复扫描它们。这可能会花费很长时间，同时会阻塞机器的可用内存

尝试重新设置问题的框架，这样您就可以将大型输入文件视为一个流，因此，不要询问要查找的每个字符串“它是否存在于我的文件中？”，而是尝试询问文件中的每一行“它是否包含我要查找的字符串？”

另外，请再次阅读@theTinMan关于文件编码的回答-他建议您可以微调文件的读取以避免错误，而无需更改文件本身

如果要查找的
str\u中有大量项，我建议您使用a而不是
数组
，以获得更好的性能：

str_to_find = [str1, str2, ... str5000].to_set

什么是从文件（）中读取？您正在将整个文件一次写入内存？这很难扩展。取而代之的是，考虑使用<代码> Frace并逐行地对文件进行迭代。它同样快速，而且可扩展性更强。我们需要更好的输入样本。请给我们提供有关
str2
和
str4
的合理示例。您使用的是什么操作系统？read_from_file（）-一种返回文件全部内容的方法，据说。”解释了为什么您不想将整个文件读入内存。如果您发现至少有一个答案有用，请不要忘记选择一个。什么是
read_from_file（）？你一次把整个文件都存储到内存中，这几乎是不可扩展的。相反，考虑使用<代码>前缀< /Cord>并逐行地对文件进行迭代。它同样快，而且更可扩展。我们需要更好的输入示例。给我们一些合理的例子：<代码> STR2和<代码> STR4。你是做什么操作的？read_from_file（）-一种返回文件全部内容的方法，据说。“解释了为什么不想将整个文件读入内存。如果您发现至少有一个答案有用，请不要忘记选择一个。
如果您想在文本文件中找到一行，听起来好像您正在阅读，然后逐行阅读文件。
-为什么更好？我必须找到一个值列表，遍历每一行似乎是不明智的，因为我必须对每个值进行一次又一次的迭代。
你说你有一个编码错误，但你没有告诉我们是什么字符导致的。
-你应该仔细阅读我写的内容。你不需要线索，因为有线索意味着你将以某种方式更改源文件，这在我的情况下是不可能的，它不能被触摸，因为它可能会更改一些文本，因此我无法找到它。感谢“拆分”方法，我不知道它可能不需要任何参数。最后一件事是你应该仔细阅读我写的内容。你不需要线索，因为有了线索意味着你要以某种方式改变一个源文件，这在我的例子中是不可能的，我猜你的文件一定是量子文件。你是怎么做到的？
如果你想在一个文本文件中找到一行，听起来像是在阅读，那么就逐行阅读文件。
-为什么更好？我必须找到一个值列表，迭代t