Java，扫描大文件，findWithinHorizo​​n(p, 0) 抛出异常 java.lang.StackOverflowError

Question

以下是我的代码的快照，输入文件大小为 45 Mb

Scanner fileScanner = new Scanner(file);
String scannedFarm;
try{

    Pattern p = Pattern.compile("^(?:.+(?:\\r?\\n|\\Z)){2,}",Pattern.MULTILINE);

    while((scannedFarm = fileScanner.findWithinHorizon(p, 0)) != null){ // Throws Exception
    ...
    ...

我将添加任何其他信息来阐明抛出异常的原因。 描述文件格式的相关问题可能会有所帮助:Java, Regular Expression HasNext starts with empty line, multi-platform support .

顺便说一句:这适用于像 super 按钮这样的小文件，对于较大的文件则失败，字符串是否具有从 findWithinHorizo​​n 返回的最大大小？

更新

按照要求提供一个小的堆栈跟踪:

http://pastebin.com/dcJ1jdkf

还有一个文件快照的小示例:

http://pastebin.com/EYMsbrKj

Answer 1

我不知道 Scanner 类的工作原理，但是无论 .findwithinHorizo​​n() 对正则表达式做什么，该正则表达式都非常奇怪。

只要每一行至少有一个字符长，此正则表达式将立即匹配整个文件。如果有空行，那么它将匹配空行之间至少跨越两行的所有 block 。如果这就是您真正想要做的，那么有更好的方法:

Pattern p = Pattern.compile("(?:^.+$(?:\\r?\\n)?){2,}", Pattern.MULTILINE);

为了避免正则表达式引擎不必要的回溯，您可以将所有量词设置为 possessive :

Pattern p = Pattern.compile("(?:^.++$(?:\\r?+\\n)?+){2,}+", Pattern.MULTILINE);

无论有或没有所有格量词，此正则表达式匹配如下: