Java - 在大文件中查找字符串模式失败

Question

正在处理 Spring 批处理项目。

作为该方法的输入，我们传递了一个大约 300 万行的巨大文件。 我们需要扫描此文件并过滤掉whitelistedVals list没有提到的 SQL 代码的行。 但是我的代码花费了太多时间来读取这么大的文件。 不过，它对其他小文件也能正常工作。

public class MyClass {
    private static final List<String> whitelistedVals = new ArrayList<>();

    static {
        whitelistedVals.add("SQL123N");
        whitelistedVals.add("SQL2340W");
        whitelistedVals.add("SQL3459W");
    }

    public String getSqlError(String inputFile) {
        Pattern r = Pattern.compile("(SQL\\d+[A-Z]*)(?s)(.+?)(\\n\\n|\\n\\Z)");
        Matcher m = r.matcher(inputFile);
        String error = "";
        while (m.find()) {
            String errorCode = m.group(1);
            String errorInGroup = errorCode + m.group(2).toUpperCase();
            boolean errorsFound = whitelistedVals
                    .stream()
                    .noneMatch(x -> x.equalsIgnoreCase(errorCode));

            if (errorsFound) {
                error += errorInGroup;
            }
        }
        return error;
    }
}

关于如何处理此问题以加快流程的任何建议？

Answer 1

使用 StringBuilder 而不是 concat (+=) 就像一个魅力。

Answer 2

看起来，整个文件都被读取，然后将其内容提供给getSqlError方法，而使用双换行符\n作为分隔符扫描文件可能会更好。

此外， whitelistedVals会针对每场比赛进行流式传输，尽管它们可以集成到模式中。

所以该方法可能如下所示：

List<String> whitelistedVals = Arrays.asList("123N", "2340W", "3459W");

public static String getSqlError(String inputFile) throws Exception {
    Scanner scan = new Scanner(new File(inputFile))
        .useDelimiter("\\n\\n|\\n\\Z");
    final Spliterator<String> splt = Spliterators.spliterator(scan, Long.MAX_VALUE, Spliterator.ORDERED | Spliterator.NONNULL);

    Pattern r = Pattern.compile("(SQL(?!(" 
        + whitelistedVals.stream().collect(Collectors.joining("|")) 
        + ")\\b)(\\d+[A-Z]*))(?s)(.+)");

    return StreamSupport.stream(splt, false).onClose(scan::close)
        .flatMap(s -> r.matcher(s)
            .results() // Stream<MatchResult>
            .map(mr -> mr.group(1) + mr.group(4)) // errorCode + error
            .map(String::toUpperCase)
        ) // Stream<String>
        .collect(Collectors.joining("\n"));
}