在Java里如何实现文件内容搜索工具_Java文件处理项目说明_技术教程

Files.lines()流式读取大文件更简洁且默认UTF-8，但须try-with-resources防句柄泄漏；需处理编码探测、NUL截断、大小写匹配、滑动窗口上下文、正则预编译、行号控制及高亮安全替换。

用 `Files.lines()` 流式读取并搜索关键词

直接逐行扫描大文件时，Files.lines() 比传统 BufferedReader 更简洁且默认 UTF-8 编码，适合大多数文本场景。但要注意它返回的是 Stream，必须用 try-with-resources 包裹，否则流未关闭会导致文件句柄泄漏。

搜索匹配行需调用 filter(line -> line.contains("keyword"))，注意 contains() 区分大小写
若需忽略大小写，改用 line.toLowerCase().contains(keyword.toLowerCase())，但对超长行有性能开销
遇到含 NUL 字符（\u0000）的二进制伪装文本文件时，Files.lines() 会提前截断——此时必须退回到 BufferedReader

处理编码未知或非 UTF-8 的文件

用户拖进来的日志可能用 GBK、ISO-8859-1 甚至带 BOM 的 UTF-8，硬写死 StandardCharsets.UTF_8 会导致乱码漏匹配。Java 没有内置自动编码探测，得靠第

三方库或简单启发式判断。

优先检查文件头 BOM：EF BB BF → UTF-8，FF FE → UTF-16LE，FE FF → UTF-16BE
若无 BOM，可尝试用 juniversalchardet 库做轻量探测（注意其对短文本准确率低）
实际项目中更稳妥的做法是暴露编码参数：命令行加 --encoding=GBK，GUI 提供下拉框，默认值设为系统 Charset.defaultCharset()

支持正则匹配和上下文行输出

纯字符串搜索不够用，用户常需要“显示匹配行前后各 2 行”。这时不能只用 lines().filter()，得维护一个滑动窗口队列。

用 LinkedList 缓存最近 N 行，每次新读一行就 addLast() 并 removeFirst()（若超限）
匹配命中时，遍历队列输出，用 indexOf() 定位当前行为基准，再取 get(i-2) 到 get(i+2)
正则用 Pattern.compile(regex, Pattern.CASE_INSENSITIVE)，避免每次 line.matches() 重复编译——尤其在循环内

避免内存爆炸：大文件必须用流式 + 行号控制

有人把整个文件读进 String 再 split("\n")，1GB 文件直接 OOM。真实工具必须边读边判，且限制最大扫描行数防卡死。

用 lines().limit(10_000_000) 设硬上限，超过后抛出自定义异常提示“文件过大，已跳过后续内容”
记录当前行号用 AtomicLong 或 lines().forEachOrdered((line, index) -> {...})（后者需用 IntStream.range(0, ...) 配合）
如果用户要高亮显示，别用 String.replace()，改用 Matcher.appendReplacement() 防止正则元字符误替换

Path path = Paths.get("access.log");
Pattern pattern = Pattern.compile("404|500", Pattern.CASE_INSENSITIVE);
try (Stream lines = Files.lines(path, StandardCharsets.UTF_8)) {
    AtomicInteger lineNumber = new AtomicInteger(1);
    lines
        .map(line -> new AbstractMap.SimpleEntry<>(lineNumber.getAndIncrement(), line))
        .filter(entry -> pattern.matcher(entry.getValue()).find())
        .limit(100)
        .forEach(entry -> System.out.printf("[%d] %s%n", entry.getKey(), entry.getValue()));
}