问题:有个文件”SN12345678_古典名著.txt”,一个数据文本test.txt. test.txt的行内容格式大致如下:
"12345678","三国演义","罗贯中","200","人民出版社",
提取”SN12345678_古典名著.txt”中的8位数字,在test.txt中第一列(假设以逗号做为列的分隔符)进行比对,如果匹配成功,就将”SN12345678_古典名著.txt”重命名为”三国演义_12345678.txt”.
分析
如果逐行比对,如果test.txt有300W行,可能几个小时都出不了结果.
方案一
将test.txt读入变量,用正则对整个变量进行匹配,比逐行比对效率要高的多.
$content=[System.IO.File]::ReadAllLines('d:\test.txt',[text.encoding]::Default)
$content -match '12345678'
如果匹配成功,会列出所有匹配的内容,而不是布尔值.这样就可以提取结果中的内容.
然而,这个方案的效率还是不能让人满意.于是想到了多线程.
方案二
将test.txt的内容分割成N段,每段1W行,为每段建一个线程,共N个线程,每个线程单独进行匹配.可能逐行比对几个小时才能完成的任务,这个方案几十秒就完成了.
#============脚本块============