Ruby 逐字搜索文本

我想在txt文件中搜索特定的单词。如果我找到那个单词，我想在文件中检索紧跟其后的单词。如果我的文本文件包含：

"My name is Jay and I want to go to the store"

---

我将搜索单词want，并将该单词添加到我的数组中。我将浏览一个非常大的文本文件，因此任何关于性能的注释都将非常好。

最直观的阅读方式可能如下所示：

a = []
str = "My name is Jack and I want to go to the store"
str.scan(/\w+/).each_cons(2) {|x, y| a << y if x == 'to'}
a
  #=> ["go", "the"]

---

要将文件读入字符串，请使用file.read。

这可能不是最快的方法，但应遵循以下原则：

filename = "/path/to/filename"
target_word = "weasel"
next_word = ""

File.open(filename).each_line do |line|
  line.split.each_with_index do |word, index|
    if word == target_word
      next_word = line.split[index + 1]
    end
  end
end

---

给定存储在文件中的文件、字符串或StringIO：

请注意，这个答案将找到每个文件最多一个匹配的速度，行操作将节省内存。如果您想在每个文件中查找多个匹配项，或者跨换行符查找匹配项，那么这可能是最好的方法。YMMV.

这是一种方式：

代码

范例

较短，但效率较低，并且在处理大型文件时存在问题：

File.read(FName)[/(?<=\b#{word}\b)\W+(\w+)/,1]

---

假设您的文件以字符串形式加载，这是我能想到的最快速度：

word = 'want'
array = []
  string.scan(/\b#{word}\b\s(\w+)/) do
  array << $1
end

这将查找跟在您特定单词后面的所有单词。例如：

word = 'want'
string = 'My name is Jay and I want to go and I want a candy'
array = []
string.scan(/\b#{word}\b\s(\w+)/) do
  array << $1
end
p array #=> ["to", "a"]

在我的机器上进行测试，我将这个字符串复制了500000次，执行时间达到了0.6秒。我也尝试过其他方法，如拆分字符串等，但这是最快的解决方案：

require 'benchmark'

Benchmark.bm do |bm|
  bm.report do
    word = 'want'
    string = 'My name is Jay and I want to go and I want a candy' * 500_000
    array = []
    string.scan(/\b#{word}\b\s(\w+)/) do
      array << $1
    end
  end
end

---

你可以用grep来做这件事，这会非常有用easier@meagar-那么grep会比ruby更容易在ruby数组中输入以下单词吗？@pguardiario不要迟钝。我建议将其作为Ruby的替代品。我们不知道他真正的问题是什么，因为他没有告诉我们。你是否需要在换行符之间找到匹配项，就像你想在一行的末尾一样？这会有很大的不同。@Max不需要那么精确。如果它错过了跨线休息的比赛，那也没关系。事实上，我没有考虑过格雷普，这可能会奏效。我想做的是从其他故事中构造句子。如果它是一个非常大的文件呢？旁白：你能重新格式化，使读者不必水平滚动来阅读你的代码吗？@Cary编辑答案不需要权限。如果你认为这有什么大不了的，就这么做。pg，我实际上从不编辑别人的话。老派，知识产权等等。听起来像是强迫症的斗争。我将不去管它，看看哪一方获胜：你可能是对的，或者我只是一个老家伙谁是他的方式设置。

word = 'want'
array = []
  string.scan(/\b#{word}\b\s(\w+)/) do
  array << $1
end

word = 'want'
string = 'My name is Jay and I want to go and I want a candy'
array = []
string.scan(/\b#{word}\b\s(\w+)/) do
  array << $1
end
p array #=> ["to", "a"]

require 'benchmark'

Benchmark.bm do |bm|
  bm.report do
    word = 'want'
    string = 'My name is Jay and I want to go and I want a candy' * 500_000
    array = []
    string.scan(/\b#{word}\b\s(\w+)/) do
      array << $1
    end
  end
end