我正在一个大文件中搜索多行模式，如果发现需要替换内容。我想以一种内存有效的方式来实现这一点。我当前的实现以 4096 字节的形式从文件中读取文本。然后它应用正则表达式搜索替换并将结果保存在缓冲区输出流中。通过不将整个文件加载到内存中，这确实给了我一些内存改进，但是我使用 map/flush 调用进行了很多 IO。需要有关进一步改进我的代码的建议。此外，如果要搜索的模式被分成相邻的块，算法也会失败。关于如何有效地搜索替换分割成相邻块的文本的任何想法。假设：要搜索的文本总是小于 4096 字节。
public void searchAndReplace (String inputFilePath, String outputFilePath) {
Pattern HEADER_PATTERN = Pattern.compile("<a [^>]*>[^(</a>)]*</a>", Pattern.DOTALL);
Charset UTF8 = Charset.forName("UTF-8");
File outputFile = new File(outputfilepath);
if (!outputFile.exists()) {
outputFile.createNewFile();
}
FileInputStream inputStream = new FileInputStream(new File(inputfilepath));
FileOutputStream outputStream = new FileOutputStream(outputFile);
FileChannel inputChannel = inputStream.getChannel();
final long length = inputChannel.size();
long pos = 0;
while (pos < length) {
int remaining = (int)(length - pos) > 4096 ? 4096 : (int)(length - pos);
MappedByteBuffer map = inputChannel.map(FileChannel.MapMode.READ_ONLY, pos, remaining);
CharBuffer cbuf = UTF8.newDecoder().decode(map);
Matcher matcher = HEADER_PATTERN.matcher(cbuf);
StringBuffer sb = new StringBuffer();
while (matcher.find()) {
matcher.appendReplacement(sb, "Some text");
}
matcher.appendTail(sb);
outputStream.write(sb.toString().getBytes());
outputStream.flush();
pos = pos + 4096;
}
inputStream.close();
outputStream.close();
}