ソートされたテキストファイルでのバイナリ検索

数十億行の可変長の大きなソート済みファイルがあります。新しい行があれば、ソートされたファイルに含まれていた場合に取得するバイト番号を知りたいと思います。

例

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

入力 'foo'が与えられると、出力9が得られます。

これは、ファイル全体を単純に調べることで簡単に実行できますが、数十億行の可変長であるため、バイナリ検索を行う方が高速です。

そのようなテキスト処理ツールはすでに存在しますか？

編集：

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

私はこれを行ういくつかの標準ツールを知りません。ただし、独自に作成することもできます。たとえば、次のrubyスクリプトが仕事をするはずです。

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

シーク後、通常は行の途中にあるため、次の行の先頭に到達するために1つの読み取り行を実行する必要があり、キーを読み取って比較できます。

（これはあなたの質問に対する正しい答えではなく、単なる出発点です。）

同様の状況でsgrep（ソートされたgrep）を使用しました。

残念ながら（現在の状態が必要です）バイトオフセット出力はありません。しかし、簡単に追加できると思います。

Michasソリューションに基づいた、より完全なプログラムは次のとおりです。

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