如何在文件中查找子字符串？答案

【问题标题】：How to find substring in file?如何在文件中查找子字符串？
【发布时间】：2011-08-13 19:52:34
【问题描述】：

如何仅使用 read(1) 在二进制文件中查找字符串？例如，我想在文件中找到字符串“abst”的位置（不加载到内存）？这是工作，但非常原始：

#!/usr/bin/python2 f = open("/tmp/rr", "rb") f.seek(0) 续 = 1 同时（续）： a1 = f.read(1) 如果 a1 == 'a'： a2 = f.read(1) 如果 a2 == 'b'： a3 = f.read(1) 如果 a3 == 's'： a4 = f.read(1) 如果 a4 == 't'：找到=真续 = 0

【问题讨论】：

如果文件包含aabst怎么办？
为什么要只使用read(1)？这是作业吗？

标签： python

【解决方案1】：

使用mmap 搜索具有恒定内存需求的文件：

import mmap
with open('/tmp/rr', 'rb') as f:
  m = mmap.mmap(f.fileno(), 0, mmap.MAP_PRIVATE, mmap.PROT_READ)
  position = m.index('abst')

【讨论】：

更新为 position 而不是 found。如果未找到该字符串，结果将为 -1。

【解决方案2】：

这对你有用吗？

#!/usr/bin/python

string = "abst"
f = open("/tmp/rr", "rb")
f.seek(0)

cont = 1
idx = 0
while True:
    c = f.read(1)
    if c == '':
        break
    if c == string[idx]:
        idx += 1
    elif c == string[0]:
        idx = 1
    else:
        idx = 0
    if idx == len(string):
        print "Found"
        break

【讨论】：

【解决方案3】：

您可以使用字符串查找方法查找子字符串。

content = file.read()
name = 'abst'
if name in content:
    slice = content.find(name)
    slice = slice, slice + len(name)

read(1)-方法绝对没有意义。 #see edit

编辑：更高效的记忆

def find(file, name):
    length = len(name)
    part = file.read(length)
    i = 0
    while True:
        if part == name:
            break
        char = file.read(1)
        if not char:
            return
        part = part[1:] + char
        i += 1
    return i, i + length, part

我明白了，使用read(1) 并不是那么无意义。

【讨论】：

这种方式需要文件大小的内存，完全不需要搜索。
@philhag：mmap 方法不是也需要将文件存储在内存中吗？

【解决方案4】：

如果您的文件大部分都充满了 'a'，或者与您正在搜索的字符串中的第一个字符相对应的任何字符，则此算法将耗费大量时间，否则效果很好。

check = 'abst'
col=1
row=1
location = (-1, -1)

with open("/tmp/rr", 'rb') as p:
    ch = p.read(1)
    while(ch != ""):
        if ch == check[0]:
            st = p.read(len(check)-1)
            if ch+st == check:
                location = (row, col)
                break
            else:
                p.seek(-len(check)+1, 1)

        ch = p.read(1)
        col+=1

        if ch == '\n':
            col=0
            row+=1

print("loc: {}, {}".format(*location))

【讨论】：