大概是这样的，有两个文件 A，B（在附件里，比较小，实际比这个大，大概500MB），
我需要选择 A 中的某一列，再选择 B 中的某一列，
一行行处理的时候拿 A 的所选列和 B 的所选列对比，
假如 A 的所选列和 B 的所选列是相互包含关系（无论哪个包含哪个），
那么分别在 A、B 的所在行做标记。。循环直到文件结束，
最后输出 A、B 中所做标记的行。

比如：
A文件                     B文件
1   dcc                  x        6
2   login                in       7
3   xmind                out      8
4   zzz                  dcc      9
5   crazy                rumia    10

选择 A 的第2列和 B 的第1列进行比较处理
输出结果就是
A‘
1   dcc
2   login
3   xmind

B’
x     6
in    7
dcc   9


注：大文件处理，越快越好！所以可以对文件按所选的列进行排序！

我一开始想到的是用二叉树节点保存每行以及这行所选的字段（列），
然而如果是递归的话，处理100多万行的文件估计不太行，用非递归的方式不太会。。
然后判断是否相互包含用了KMP算法，考虑到有些字段很长，但也不知道具体运行起来是不是会比C标准库的strstr快；
总之求大神帮看一下，选择怎样的算法和数据结构会比较快！

若有木有看明白的话留言一下叭～

[此贴子已经被作者于2016-5-19 13:36编辑过]