江苏龙网

  1. 首页 > 生活 > >

php 关于两个文件中字符串对比 获取相同部分的方法

谢邀1. array_unique()、str_split() 这种东西平时写业务时用用就好了，处理大一点的数据、算法就别用，一是很浪费性能，二者你不知道后面它到底做了什么，用了什么数据结构。2. 大的文件不能一次读取到内存里，所以肯定不能用 file_get_contents() ，得用 fread() 这样的，一次读一点数据3. 说到文件和字符串，那么有一个概念很重要就是编码，按照不同的编码去读文件结果是不一样的。file_get_contents() 这个函数讨厌就讨厌在这里，读出来是字符串，raw string，还不能设置读取编码，这还不如读一个 buffer 出来呢。4. 题目应该说明，输入文件的编码格式是什么，BOM 需不需要处理，特殊字符如何处理，尤其是文本文件末尾最后一个 newline。5. 既然题目没说，那么我们可以按照 Web 界最通用的 UTF8 编码（无BOM），所有字符都考虑在内。以上为前提。第一步，查得 unicode 最大 code point 为 0x10FFFF ，一百多万，还可以接受，用 bit array 吧。第二步，找一个合适的数据结构。PHP 里没有 bit array 啊，让我们痛苦地扭动一下自己的身躯，想想别的办法。那我们用 byte array 吧，浪费一点可以把 byte 当 bit 用，也就一百多万byte，1MB 多一个数据结构，可以接受；节约一点可以自己换算 index 和 bitwise operation，140KB 不到，完美。什么？ byte array 也没有？算了咱们走，用 js 。第三步，写代码代码如下，运行环境为 Node.js，为简化代码让别人能看懂，省略了 fs 模块引入，省略了 readable 事件处理，用比较简单的 Uint8Array 代替 Buffer ，并且没有 byte -\u0026gt; bit 换算过程。let maxCodePoint = 0x10FFFFlet readStreamA = fs.createReadStream(\u0026#39;a.txt\u0026#39;, { encoding: \u0026#39;utf8\u0026#39; })let arrA = new Uint8Array( maxCodePoint +1 )// 这里应该处理 readable 事件while(true){ let str = readStreamA.read() if( str === null ){ break; } for(let i=str.length-1;i\u0026gt;-1;--i){ let charCode = str.charCodeAt(i); // 这里用 char code 是不对的, 应该用code point 并且处理 surrogate pairs arrA = 1; }}let readStreamB = fs.createReadStream(\u0026#39;b.txt\u0026#39;, { encoding: \u0026#39;utf8\u0026#39; })let arrB = new Uint8Array( maxCodePoint +1 )// 这里应该处理 readable 事件while(true){ let str = readStreamB.read() if( str === null ){ break; } let l = str.length; for(let i=str.length-1;i\u0026gt;-1;--i){ let charCode = str.charCodeAt(i); // 这里用 char code 是不对的, 应该用code point 并且处理 surrogate pairs arrB = 1; }}let writeStreamC = fs.createWriteStream(\u0026#39;c.txt\u0026#39;, { encoding: \u0026#39;utf8\u0026#39; })for(let i=0;i\u0026lt;=maxCodePoint;++i){ if(arrA === 1 \u0026amp;\u0026amp; arrB === 1){ writeStreamC.write(String.fromCharCode(i)) }}// done很菜，大家轻喷。
■网友
感觉题主想要的算法应该是diff算法，就像是git diff中用与比较先后两个文件的改动的算法给你两个参考吧diff utilityDynamic Programming Tutorial
■网友
获取a.txt 和 b.txt中相同的字符存入c.txt主要在于 如何定义 相同字符是什么……比如 ABCAD 和 ADABC 存入c.txt 的是什么？ ABCD吗？如果是这样，那还是挺简单的……


    推荐阅读


    上一篇：请问现在（2016.8.3）多口USB 充电器有啥好的推荐吗

    下一篇：啥样的传统it、国企和外包程序员岗位月薪能过20k