Sıralanmış bir metin dosyasında ikili arama

Değişken uzunlukta milyarlarca satır içeren büyük bir sıralanmış dosyam var. Yeni bir satır verilen sıralı dosyaya dahil olsaydı hangi bayt numarasını alacağını bilmek istiyorum.

Misal

a\n
c\n
d\n
f\n
g\n

'Foo' girdisi göz önüne alındığında, çıktıyı 9 alırdım.

Bu, tüm dosyayı inceleyerek yapmak kolaydır, ancak milyarlarca değişken uzunlukta satır olarak, ikili bir arama yapmak daha hızlı olacaktır.

Böyle bir metin işleme aracı zaten var mı?

Düzenle:

Şimdi çalışıyor: https://gitlab.com/ole.tange/tangetools/blob/master/bsearch/bsearch

Bunu yapan bazı standart araçların farkında değilim. Ancak kendi yazabilirsiniz. Örneğin, aşağıdaki yakut komut dosyası işi yapmalıdır.

file, key = ARGV.shift, ARGV.shift
min, max = 0, File.size(file)

File.open(file) do |f|
  while max-min>1 do
    middle = (max+min)/2
    f.seek middle
    f.readline
    if f.eof? or f.readline>=key
      max = middle
    else
      min = middle
    end
  end
  f.seek max
  f.readline
  p f.pos+1
end

Biraz zor çünkü aramadan sonra genellikle bir satırın ortasındasınız ve bu nedenle aşağıdaki satırın başlangıcına ulaşmak için bir okuma satırı yapmanız gerekir, bu anahtarınızı okuyabilir ve karşılaştırabilirsiniz.

(Bu sorunuza doğru bir cevap değil, sadece bir başlangıç ​​noktasıdır.)

Benzer bir durumda sgrep (sıralanmış grep) kullandım .

Ne yazık ki (şu anki duruma ihtiyacımız var) bayt-offset çıktısı yok; ama bence kolayca eklenebilir.

Michas çözümüne dayanan daha eksiksiz bir program:

https://gitlab.com/ole.tange/tangetools/blob/master/bsearch/bsearch