我希望在 Python 2.x 中编写一个脚本，该脚本将扫描物理驱动器（物理驱动器而不是逻辑驱动器）以查找大小范围内的特定文本字符串（聊天工件）。我有字符串的页眉和页脚，所以我只是想知道如何最好地扫描驱动器？我担心的是，如果我将其拆分为 250MB 的块并在解析页眉和页脚之前将此数据读入 RAM，则可能是页眉在那里，但页脚位于下一个 250MB 的块中。
所以本质上，我想扫描 PhysicalDevice0 以查找以“ABC”开头并以“XYZ”结尾的字符串，并从其中复制所有内容。我不确定是否也将数据扫描为 ascii 或 Hex。
随着驱动器变得越来越大，我希望以最快的方式做到这一点。
有什么建议么？
您的问题可以表述为“如何在没有行结构的非常长的文件中进行搜索”。如果您一次读取一行一行的面向行的文本，这与您所做的没有什么不同：假设您正在逐块读取文本文件，但有一个面向行的正则表达式可供搜索；您将搜索到您已阅读的块中的最后一个完整行，然后抓住最后一个不完整的行并阅读另一个块以扩展它。因此，您不会在读取每个新块时重新开始。把它想象成一个滑动窗口；您只需将其推进以丢弃您能够完全搜索的部分。
在这里做同样的事情：编写你的代码，这样你匹配的字符串就不会碰到缓冲区的边缘。例如，如果您要搜索的标题是 100 字节长：读取一个文本块；检查是否完整的模式出现在块中；在当前块结束前将阅读窗口提前 100 个字节，并在其后添加一个新块的文本。现在您可以搜索标题而不会丢失它。找到它后，您将提取文本，直到看到停止模式（页脚）。它是在同一个块中还是在五个块之后都没有关系：您的代码应该知道它处于提取模式，直到看到停止模式。