在"大海里捞针"的perl脚本。

woodie

论坛里有网友问在一个有非常多很大文件的目录中搜索的问题，显然这时我们最关心的是性能的。你可能会说最好用C来做，不过在好的算法下shell的性能也许能够满足要求。这里我们假定我们要查找的东西只会出现一次。那么：
1.我们的程序应该在找到匹配后放弃搜索其它文件；
2.由于文件的行数也很大，所以程序在找到匹配后退出当前文件的搜索。
如果直接用shell来做，可能会碰到命令行长度或参数数目的限制问题，如果用xargs重新装配命令行，也有些很难处理的麻烦。所以索性用perl写了一个，请大家指正：

1. #!/usr/bin/perl
   
2. die "usage: $0 path pattern\n" unless @ARGV == 2;
   
3. ($path, $pattern)=@ARGV;
   
4. $, = " ";
   
5. print $path;
   
6. opendir(DH, $path) or die "cannot open dir!";
   
7. while($file = readdir(DH)) {
   
8.     next if (!open(FH, "./".$file));
   
9.     while(<FH>) {
   
10.         print $file, $1 if (m/($pattern)/);
    
11.         if ($1) {
    
12.             printf STDERR "found in %s line %d!\nexiting...\n", $file, $.;
    
13.             exit 0;        # change this to "next;" (no ") if you want to find in other files
    
14.         }
    
15.     }
    
16.     close(FH);
    
17. }
    
18. closedir(DH);
    
19. print STDERR "not found.";
    
20. exit 1

复制代码

讨论：
1.如果要查找的东西不止会出现一次，但在每个文件中不会出现多次，那我们就得在其它文件中继续搜索。可以将上面脚本中带注释的一行改为：

1. next;

复制代码

2.如果在每个文件中也可能重复出现，那就没办法取巧了，只好将带注释的一行删掉。你最好去用C写个程序，或者找到其它特征在算法上提高查找的速度。

[ 本帖最后由 woodie 于 2006-2-10 21:20 编辑 ]

dbcat

原帖由 woodie 于 2006-2-10 21:16 发表
论坛里有网友问在一个有非常多很大文件的目录中搜索的问题，显然这时我们最关心的是性能的。你可能会说最好用C来做，不过在好的算法下shell的性能也许能够满足要求。这里我们假定我们要查找的东西只会出现一次。那 ...

哇...精品,精品
收藏