Python大文本读写
编辑
265
2024-03-01
- 在处理大数据时,有可能会碰到好几个 G 大小的文件。如果通过一些工具(例如:NotePad++)打开它,会发生错误,无法读取任何内容。
那么,在 Python 中,如何快速地读取这些大文件呢?
一般的读取
读取文件,最常见的方式是:
with open('filename', 'r', encoding = 'utf-8') as f:
for line in f.readlines():
do_something(line)
但是,当完成这一操作时,readlines()
方法(read()
也一样)会将整个文件加载到内存中。在文件较大时,往往会引发 MemoryError
(内存溢出)。
那么,如何避免这个问题?
使用 fileinput 模块
稍微好点儿的方式是使用 fileinput
模块:
import fileinput
for line in fileinput.input(['filename']):
do_something(line)
调用 fileinput.input()
会按照顺序读取行,但是在读取之后不会将它们保留在内存中。
逐行读取
除此之外,也可使用 while()
循环和 readline()
来逐行读取:
with open('filename', 'r', encoding = 'utf-8') as f:
while True:
line = f.readline() # 逐行读取
if not line: # 到 EOF,返回空字符串,则终止循环
break
do_something(line)
指定每次读取的长度
有时,可能希望对每次读取的内容进行更细粒度的控制。
在这种情况下,可以使用 iter
和 yield
:
def read_in_chunks(file_obj, chunk_size = 2048):
"""
逐件读取文件
默认块大小:2KB
"""
while True:
data = file_obj.read(chunk_size) # 每次读取指定的长度
if not data:
break
yield data
with open('filename', 'r', encoding = 'utf-8') as f:
for chuck in read_in_chunks(f):
do_something(chunk)
自动管理
这才是 Pythonci
最完美的方式,既高效又快速:
with open('filename', 'r', encoding = 'utf-8') as f:
for line in f:
do_something(line)
with
语句句柄负责打开和关闭文件(包括在内部块中引发异常时),for line in f
将文件对象 f
视为一个可迭代的数据类型,会自动使用 IO
缓存和内存管理,这样就不必担心大文件了。
更多参考
- 4
- 0
-
分享