c - C中查找数组的性能

Question

我必须遍历包含大约 100M 行的日志文件。我必须为多个日志执行此操作。平均行长度为 110 个字符。

目前我正在遍历可能的匹配项列表。我想知道是否有更好的方法？

char *in_array(char *car) {
    // longer list than this...
    char *carlist[] =
    { 
        "Avalon",
        "Azera",
        "Cayenne",
        "Civic",
        "Corolla",
        "Elantra",
        "F-150",
        "Hilux",
        "Lexus LS",
        "Rav 4",
        "Sienna",
        // etc...
    };  

    char *match;
    int i;
    int n = sizeof(carlist)/sizeof(carlist[0]);

    for(i = 0; i < n; i++)
    {
        match = strstr(car, carlist[i]);
        if(match != NULL)
        {
            return strdup(match);
        } 
    }   

    return strdup("No match");
}

Answer 1

DFA(确定性有限自动机，复数自动机)可以将字符串与许多模式进行匹配，这比独立地依次测试每个模式要快得多。

解析器生成器擅长自动构建 DFA 表。

缺点是当模式列表发生变化时必须重建 DFA...但是由于您的模式列表当前被硬编码为数组，所以这对您来说应该不是问题。

由于您使用的是 C，flex 将是一个很好的工具。