delphi - 比较大文件

Question

我有一些文件(3-5)需要比较:
文件 1.txt 有 100 万个字符串。
文件2.txt有1000万个字符串。
文件3.txt有500万个字符串。
所有这些文件都与文件keys.txt(10000个字符串)进行比较。如果当前打开的文件中的行与keys.txt中的行之一相同，则将此行写入output.txt(我希望您明白我的意思)。

现在我有:

function Thread.checkKeys(sLine: string): boolean;
var
  SR: TStreamReader;
  line: string;
begin
  Result := false;
  SR := TStreamReader.Create(sKeyFile); // sKeyFile - Path to file keys.txt
  try
    while (not(SR.EndOfStream)) and (not(Result))do
      begin
        line := SR.ReadLine;
        if LowerCase(line) = LowerCase(sLine) then
          begin
            saveStr(sLine);
            inc(iMatch);
            Result := true;
          end;
      end;
  finally
    SR.Free;
  end;
end;

procedure Thread.saveStr(sToSave: string);
var
  fOut: TStreamWriter;
begin
  fOut := TStreamWriter.Create('output.txt', true, TEncoding.UTF8);
  try
    fOut.WriteLine(sToSave);
  finally
    fOut.Free;
  end;
end;

procedure Thread.updateFiles;
begin
  fmMain.flDone.Caption := IntToStr(iFile);
  fmMain.flMatch.Caption := IntToStr(iMatch);
end;

并循环

    fInput := TStreamReader.Create(tsFiles[iCurFile]);
    while not(fInput.EndOfStream) do
      begin
        sInput := fInput.ReadLine;
        checkKeys(sInput);
      end;
    fInput.Free;
    iFile := iCurFile + 1;
    Synchronize(updateFiles);

所以，如果我将这 3 个文件与文件 key.txt 进行比较，大约需要 4 小时。如何减少比较时间？

Answer 1

一个简单的解决方案是使用关联容器来存储 key 。这可以提供有效的查找。

在Delphi中您可以使用TDictionary<TKey,TValue>来自Generics.Collections 。该容器的实现对键进行哈希处理并提供 O(1) 查找。

像这样声明容器:

Keys: TDictionary<string, Boolean>; 
// doesn't matter what type you use for the value, we pick Boolean since we
// have to pick something

像这样创建并填充它:

Keys := TDictionary<string, Integer>.Create;
SR := TStreamReader.Create(sKeyFile);
try
  while not SR.EndOfStream do
    Keys.Add(LowerCase(SR.ReadLine), True); 
    // exception raised if duplicate key found
finally
  SR.Free;
end;

那么你的检查函数就变成了:

function Thread.checkKeys(const sLine: string): boolean;
begin
  Result := Keys.ContainsKey(LowerCase(sLine));
  if Result then 
  begin
    saveStr(sLine);
    inc(iMatch);
  end;
end;