查詢文字檔案中的關鍵字，說白了就是以文字檔案作為輸入，進行字串匹配，找返回其第一次出現的下標位置。但是由於資料是以文字檔案的形式作為輸入的，如何儲存和進行匹配就成為了乙個問題。下面以兩種方法來介紹如何操作。注：本文中採用的字串匹配演算法只是普通的字串匹配演算法，重點在對檔案處理和分塊查詢。
一、蠻力法
這種方法非常簡單，把檔案中的所有資料輸入到乙個字元陣列中，然後以陣列作為主串，關鍵字為模式串，進行字串匹配即可。
但是這裡有乙個問題，就是字元陣列要多大才合適？由於不同的檔案的資料量可能差別非常大，所以我們應該根據檔案的大小來動態分配字元陣列來儲存主串。即我們現在的問題變為如何獲得檔案的大小。檔案的大小可以用如下的方法來獲得，首先開啟文字檔案，儲存其檔案位置，然後把檔案指標定位到檔案的末尾，獲得其偏移量，然後再把檔案指標恢復到原先即可。恢復檔案指標是為了不讓該呼叫對檔案的其他操作產生影響，從外部看來這個操作呼叫前與呼叫後檔案的狀態並沒有變化過。其現實**如下，返回檔案所佔的字元總數：
[cpp]view plain
copy
?int
getfilelength(ifstream &inputfile)
則實現字串匹配的函式如下：
[cpp]view plain
copy
?int
indexinfile(
const
char
*filename,
const
char
*keyword)
//獲得檔案的長度，即位元組數，並開劈乙個同樣大小的陣列儲存檔案資料
intlength = getfilelength(inputfile);
char
*text =
newchar
[length+1];
//把檔案的內容講到陣列中
inputfile.read(text, length);
inputfile.close();
text[length] = '\0'
; //進行模式串匹配，並返回結果
intindex = indexof(text, length, keyword, strlen(keyword));
delete
text;
return
index;
} int
indexof(
const
char
*text,
inttextsize,
const
char
*match,
intmatchsize)
//匹配失敗
return
-1;
}
其**非常簡單，不再多說了。
二、分治法
注意，這裡主要是用到了把檔案分成若干大小相同的塊，並對各個塊進行字串匹配的方法來處理，並不是指字串匹配演算法使用了分治的思想。
由於檔案的資料可能非常巨大，一次性地把檔案的所有內容讀入到記憶體時，有時是不可能的，而且這樣做也沒有什麼必要，因為我們要查詢的串很可能就在檔案的前面部分，而我們卻把乙個檔案的所有內容調入到記憶體中，浪費了大量的記憶體空間，而且效率不高。所以我們應該把檔案進行分塊處理，每次從檔案中讀取一定的字元到緩衝區中，進行處理。其實現方法如下：
首先把開檔案，每次從檔案讀取指定個數的字元到buffer中，然後以buffer中的字元作為主串，關鍵字作為模式串進行字串匹配，若匹配成功把返回其下標，若匹配不成功，則把下標值累加上讀到緩衝區中字元的個數，並繼續從檔案中讀取字元到buffer中，繼續對buffer進行字串匹配，直到找到關鍵字，或檔案結束。
這個方法不用把檔案的所有內容調入記憶體中，而是每次都從記憶體讀入乙個buffer的內容，可以減少記憶體的開銷，不**件有多大都可行。然而這個方法的難點在**呢，難點就要當關鍵字在兩個緩衝區之間時該如何識別和處理。
下面說說我的想法，為了方便解說，我們假設buffer的大小為6，要查詢的關鍵字為defg，檔案的內容為abcdefghijk，我們每次從檔案中讀取5個字元到buffer中（第6個字元為'\0')，為abcde，可以看到我們要查詢的字串只有一部分在buffer中，它們被分為了兩個部分。首先我們判斷當在buffer上查詢不成功，是否是由於所有的字元都匹配，但是模式串還沒匹配完，主串卻已經到了盡頭，若是，把把之前與模式串匹配的部分字元複雜到buffer的前面，然後再從檔案中輸入資料，並放到其後面。在這個例子中，就是把de複製到buffer的前面，再從檔案中讀取資料到de後面的buffer中，讀入完畢後，buffer的資料變成defgh，然後再對其進行匹配，即可匹配成功。
其實現**如下：
[cpp]view plain
copy
?int
indexinfile(
const
char
*filename,
const
char
*keyword)
intkeysize = strlen(keyword);
//關鍵字的長度
intindex = 0;
//記錄關鍵字首次出現的位置
intlastmatch = 0;
//記錄最後一次匹配的位置
const
intbuffersize = 5;
char
buffer[buffersize + 1];
while
(!inputfile.eof())
else
} return
-1;
} int
indexof(
const
char
*text,
inttextsize,
const
char
*match,
intmatchsize,
int&lastmatch)
//匹配失敗
return
-1;
} void
writeendtobegin(
char
*text,
inttextsize,
intwritecount)
} **分析：
這裡主要解析一下indexof函式中的lastmatch引數，該引數記錄了主串中與模式串匹配的字元的個數。當indexof函式返回-1時，它尤其有用，因為它讓我們知道，在buffer中，有多少個字元已經與模式串（關鍵字）匹配了，在上面的例子中，就是de兩個字元，則其值為2，所以把buffer中最後的兩個字元複製到了其前面。
同時還要
注意，buffer的大小一定要大小模式串的長度，不然的話，buffer會因為裝不下乙個模式串而出錯。在**中為了演示而把buffer的大小定為6（5+1），但是在使用時應該把它改變成你想要的大小，通常256或512是乙個合適的值。
三、複雜度分析
兩個演算法的時間複雜度無為o(n*m)，n為檔案的字元數，m為關鍵字的字元數（即模式串的字元數）。空間複雜度第乙個演算法為o(n),第二個演算法為o(1),因為不**件多大，緩衝區的大小都是確定的。
ps：本人成為了csdn2013部落格之星候選人之一，如果你覺得本人寫的部落格還可以，請投我一票，支援一下我，我的投票位址是：
python 查詢文字中的關鍵字
1.查詢一行中是否有某個關鍵字 lines f.readlines for line in lines if fix in line allfix.write line n 2.查詢一行中是否有某個列表中的任何關鍵字 kws buffer overflow segfault core bugfix ...
文字檔案中的 0字元
最近讀乙個檔案的某一行後，進行域切分的時候，最乙個欄位為空。明明有字元的，於是縮小範圍進行debug。因為底層是getline寫的，所以跟蹤了一下，發現getline的讀取到 n結束作為一行的。如下read到的641，但strlen 返回的為21，所以感覺是讀取到的行中包含 0字元。通過hexdum...
python 查詢文字檔案的層次
i o系統有一系列的層次構建而成 下面是操作乙個文字檔案的例子來檢視這種層次 f open sample.txt w f sample.txt mode w encoding utf 8 f.buffer io.bufferedwriter name sample.txt f.buffer raw ...