如果我有超过 800 兆的数据，数据就是没有断线。我将使用正则表达式示例 Ex。
String.replaceAll("([a-z][a-z][.?!]+) ?([A-Z][a-z]+ )", "$1\r\n$2");
或其他。
请指导我如何在文件大小的情况下使用正则表达式。
问问题
123 次
2 回答
0
只要你有足够的内存来加载内存中的数据，我就看不出为什么它不能完成。我认为如果它的 32 位系统 64 可以处理更大量的寻址并且那时它将使用它的 4gb ~ 限制，那么限制值将是架构。
您还需要将 java vm 设置为比默认的 vm max memory 设置大很多。例如
java -Xmx1g myprogram
我仍然不会推荐它。没有办法可以先拆分文件。找到一个共同的界限。谢谢
于 2013-01-10T01:36:45.120 回答
0
您绝对不想对这样的大小使用正则表达式。
如果您没有任何经典的 Unix 工具（sed、perl、awk）可以提供帮助，请查看 Guava 的CharMatcher：以字节数组读取文件，将其转换为字符串，使用 CharMatcher 查找任何感兴趣的东西，如果是的话，写一个修改过的数组。
而且，当然，不要内联，而是在另一个文件中写入，如果您已成功执行转换，请重命名为原始文件。
例如，对于您的标点符号需求，您可以使用CharMatcher.anyOf("?!.").
于 2013-01-10T01:40:21.230 回答