c# - 有没有更好的方法来 grep 大文件中的单词（该单词可以在文件的开头或结尾）

Question

我在 codercharts.com 上玩拼图。

我正在使用 StreamReader readline 和正则表达式来 grep 单词。

伪代码：

using (StreamReader r = new StreamReader(a[1]))
{
      bool found;
      while ((l = r.ReadLine()) != null){
          MatchCollection matches = Regex.Matches(l,String.Format(@"\b{0}\b",'YourWordHere'));
          found = matches.Count>0
          break;
      }
}

有用。但是在处理接近尾声的一个词时，表现并不好。

因为它从头到尾迭代。

有什么建议吗？

Answer 1

通过创建一次正则表达式并重用它，您可以使搜索速度更快，整体运行时间大约提高一倍：

            var rx = new Regex("\bword\b", RegexOptions.Compiled);
            while ((l = r.ReadLine()) != null)
                if (rx.IsMatch(l))
                    break;

否则，您将不会获得太大的改进，因为大部分时间都花在从磁盘加载文件上（至少对我来说 - 您会看到更快的驱动器带来更大的改进）。我创建的一个大文件上的结果并将搜索到的单词放在最后：

您的代码 1526 毫秒

我的代码：762 毫秒

无代码（空 while ((l = r.ReadLine()) != null) 循环）：597 毫秒

如您所见，仅读取文件已经花费了将近 600 毫秒。

现在，如果您可以加载文件一次，将其保存在内存中，并在需要时进行搜索 - 那么正则表达式应该相当快（在上述情况下约为 100 毫秒）。如果您多次搜索同一个文件，这将是一个好主意。