正则表达式 - Java 读取txt格式语料库并匹配指定字符串，如何可以快速完成？

Question

有一个9M多行的语料库，文件大小4G。现在需要匹配指定动词，符合句子条件的输出。
但是文件过大。每次读取一行。匹配下来要好久。请问有没有什么方法可以加快处理速度。

BufferedReader cpreader = new BufferedReader(new InputStreamReader(new FileInputStream(this.getCorpusPath())));
tring line = cpreader.readLine();
while(line != null)
            {
                ArrayList<String> verbList = new ArrayList();
                matcher_line = Pattern.compile("(.*\\%\\&\\$cook\\%\\&\\$VB.*)").matcher(line);
                if(matcher_line.find())
                {
                    System.out.println(line);
                }
                
                
                
                line = cpreader.readLine();
            }

Answer 1

Sepatutnya tiada masalah membaca fail, tetapi anda boleh cuba menukar kepada bacaan buffer, kerana saiz garisan mungkin tidak pasti, yang akan menjejaskan kecekapan. .
Jika padanan adalah satu perkataan, anda boleh menggunakan kaedah padanan yang lebih baik, saya tidak tahu sama ada ia adalah biasa

Answer 2

Program anda diproses oleh barisan satu-benang pastinya perlahan Gunakan pemprosesan berbilang-benang gunakan cache untuk membaca berbilang baris Kemudian peruntukkannya kepada berbilang benang untuk diproses, supaya CPU boleh dimaksimumkan.

Answer 3

nio multithreading

Answer 4

Pattern.compile("(.*\%\&\$cook\%\&\$VB.*)")

Ini berada di dalam gelung, dan ungkapan biasa mesti disusun setiap kali, jadi ia sangat perlahan Anda boleh meletakkannya di luar sementara dan lihat