我有一个 100GB 的随机文本字符串文件,长度在 4 到 200 个字符之间,每行一个。
我希望能够在文件中的任何字符串中找到一个字符串,例如如果可能的话,“footestbar”中任何“test”的出现。
否则我会很高兴能够找到以子字符串开头的行/记录,例如“foo”找到“footestbar”但找不到“testbarfoo”。
我正在考虑对文件进行一次排序,然后记录“a”行开始的位置,“b”行开始的位置等。这样可以让我快速跳转到正确的部分并减少花费的时间.我可以通过记录所有三个字符组合开始的位置来进一步提高速度,但有些东西告诉我有更好的方法。
请您参考如下方法:
我认为一个好的开始可能是生成一个 DAFSA .您可能必须将其与图形文件格式结合使用。
