【问题标题】：Strings indexing tool for binary files二进制文件的字符串索引工具
【发布时间】：2016-10-27 19:19:03
【问题描述】：
我经常需要处理不同格式的非常大的二进制文件（从 50 到 500Gb），其中包含基本上混合的数据，包括字符串。
我需要为文件中的字符串编制索引，创建数据库或索引，以便进行快速搜索（基本搜索或使用正则表达式进行复杂搜索）。搜索的输出当然应该是找到的字符串在二进制文件中的偏移量。
有没有人知道可以帮助我完成这项任务的工具、框架或库？
【问题讨论】：
标签：
indexing
binaryfiles
binary-data
computer-forensics
【解决方案1】：
您可以在其上运行“strings -t d”（Linux / OS X）以提取具有相应偏移量的字符串，然后将其放入 Solr 或 Elastic。如果您想要的不仅仅是 ASCII，它会变得更加复杂。
Autopsy 有自己的字符串提取代码（用于 UTF-8 和 UTF-16）并将其放入 Solr（如果支持文件格式，则使用 Tika），但它不记录二进制的偏移量文件，因此它可能无法满足您的需求。