优先用系统grep预筛，再用Python精细处理；大文件用mmap避免IO瓶颈；re.finditer优于findall；需忽略二进制文件与编码异常，用pathlib安全处理路径。
用 grep 命令做快速预筛，别一上来就写 Python
纯 Python 逐行读取 + 正则匹配在大文件（>10MB）或批量检索时明显变慢，尤其当目标文本不在开头几行时。实际场景里，90% 的全文检索需求其实只需要“是否存在”或“在哪几行”，这时直接调用系统 grep 更快更稳。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- Linux/macOS 下优先用
subprocess.run(['grep', '-n', '-i', 'keyword', 'file.txt'], capture_output=True, text=True)，-n返回行号，-i忽略大小写 - Windows 用户可用
findstr /n /i "keyword" file.txt，注意输出格式略有不同（冒号分隔而非冒号前空格） - 若需同时查多个文件，
grep支持通配符（如*.log），Python 的glob+ 循环读取反而更慢 - 避免用
os.popen()—— 它不处理编码异常，遇到含中文路径或内容易抛UnicodeDecodeError
mmap 是大文件逐行搜索的底线方案
当必须用 Python 处理超大日志（GB 级）、且不能依赖外部命令时，mmap 是绕不开的选项。它把文件映射到内存地址空间，避免一次性加载，也比 for line in open(...) 少了磁盘 I/O 拷贝开销。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 用
mmap.mmap(f.fileno(), 0, access=mmap.ACCESS_READ)创建只读映射，关闭文件前必须先mm.close() - 搜索字符串不要用
mm.find(b'keyword')直接找字节 —— 它不识别换行，返回的是偏移量，需自己按\n切分才能定位行号 - 中文内容务必用
.decode('utf-8', errors='ignore')处理，否则mmap返回的是 bytes，正则re.search(r'关键词', mm.read().decode(...))会因缓冲区截断出错 - Windows 下对已打开的文件使用
mmap可能触发PermissionError，需确保文件以rb模式打开且未被其他进程独占
re.finditer 比 re.findall 更适合带上下文的检索
如果要提取匹配项附近的前后几行（比如看报错堆栈上下文），re.findall 只返回匹配内容本身，而 re.finditer 返回 Match 对象，自带 .start() 和 .end()，能反推所在行。
仅使用 Python 将 Claw Code 虚拟化框架与 OpenClaw 集成，提供 184 种工具和 200 多条命令，用于安全分析和代码质量...
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 先用
enumerate(file_obj)读行并记录行号，再对每行调用re.finditer(pattern, line)，比整文件读进字符串再搜更省内存 - 想高亮匹配词？直接用
match.group(0)替换为'<strong>' + match.group(0) + '</strong>'，别用re.sub全局替换 —— 容易误伤转义字符 - 注意
re.compile(r'keyword', re.IGNORECASE)编译一次复用，避免在循环里重复编译，尤其 pattern 来自用户输入时 - 若 pattern 含变量，用
re.escape(user_input)包裹，否则user_input = 'a.b'会导致正则匹配任意字符而非字面量点号
忽略二进制文件和编码异常是线上脚本的生死线
真实目录里总有 .pyc、.so、.jpg 这类非文本文件，Python 默认用 open(..., 'r') 读它们会直接抛 UnicodeDecodeError；更糟的是，某些日志文件用 gbk，有些用 utf-8-sig，硬指定编码会漏匹配。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 先用
magic.from_file(path, mime=True)（需装python-magic）判断 MIME 类型，跳过application/octet-stream或image/* - 读取时用
open(path, 'rb')先读前 1024 字节，用chardet.detect()探测编码，再 decode；但注意chardet有性能开销，可缓存常见文件的编码结果 - 最简兜底：用
open(path, 'r', encoding='utf-8', errors='ignore')，errors='ignore'丢弃无法解码的字节，至少保证流程不中断 - 永远用
pathlib.Path处理路径，Path.is_file()和Path.suffix比os.path更安全，尤其在 Windows 路径含空格或 UNC 路径时
真正难的不是写个能跑的检索函数，而是让脚本在混合编码、混杂文件类型、部分文件权限不足的生产目录里持续稳定输出有效结果 —— 那些没显式处理的 UnicodeDecodeError 和 PermissionError，往往在半夜三点才第一次爆发。
