使用 Python 拆分文本文件的最快方法是什么？

在 Python 中拆分文本文件可以通过多种方式完成，具体取决于文件的大小和所需的输出格式。在本文中，我们将讨论使用 Python 拆分文本文件的最快方法，同时考虑代码的性能和可读性。

拆分（） 方法

拆分文本文件最直接的方法之一是使用 Python 中内置的 split（） 函数。基于指定的分隔符，此函数将字符串拆分为子字符串列表。

例如，以下代码按换行符拆分文本文件，并返回行列表 -

with open('file.txt', 'r') as f:    lines = f.read().split('\n')

这里

• 内置的 split（） 函数通过换行符拆分文本文件并返回行列表。

• 代码首先使用 open（） 函数打开文件，以“r”作为模式，代表读取。这将返回一个文件对象，该对象存储在变量 f 中。

• 接下来，在文件对象上使用 read（） 方法将文件的全部内容作为单个字符串读入内存。

• 然后在此字符串上调用 split（） 函数，换行符 \n 作为分隔符传递。这会将字符串拆分为子字符串列表，其中每个子字符串对应于原始文件中的一行。最后，结果存储在变量行中。

readline（） 方法

以前的方法简单易读，但对于大文件来说可能会很慢，因为它在拆分之前将整个文件读入内存。如果您正在处理一个大文件，您可能需要考虑改用 readline（） 方法，该方法一次读取一行。

with open('file.txt', 'r') as f:    lines = []    for line in f:       lines.append(line)

从示例中，

• 代码首先以与上一个示例相同的方式打开文件。

• 然后我们创建一个名为行的空列表。接下来，我们使用 for 循环遍历文件对象。

• readline（） 方法在 for 循环中的文件对象上调用，该对象一次从文件中读取一行并将其分配给变量行。然后将此变量追加到行列表中。

• 这样，将逐行读取整个文件，并将行存储在列表中。

此方法比前一种方法更快，因为它一次读取一行，并且不需要将整个文件加载到内存中。但是，它仍然读取整个文件，对于非常大的文件可能会很慢。

mmap 模块

另一种选择是使用 Python 中的 mmap 模块，它允许您对文件进行内存映射，从而为您提供一种有效的方法来访问文件，就好像它在内存中一样。下面是如何使用 mmap 拆分文本文件的示例 -

import mmap with open('file.txt', 'r') as f:    # memory-map the file    mmapped_file = mmap.mmap(f.fileno(), 0, access=mmap.ACCESS_READ)    # split the file by newline characters    lines = mmapped_file.read().split('\n')

此方法对于大文件最有效，因为它允许您像在内存中一样访问文件，而无需实际将整个文件加载到内存中。

• 代码首先导入 mmap 模块。

• 接下来，以与以前相同的方式打开文件，并在文件对象上调用 fileno（） 方法来获取文件的文件描述符。

• 它作为第一个参数传递给 mmap（） 函数，以及 0 和 mmap。ACCESS_READ分别作为第二个和第三个参数。此内存映射文件，结果存储在变量mmapped_file中。

• 然后对内存映射文件调用 read（） 方法，该文件像以前一样将文件的全部内容读取到单个字符串中。

• 然后在此字符串上调用 split（） 函数，再次使用换行符 \n 作为分隔符传递。这会将字符串拆分为子字符串列表，其中每个子字符串对应于原始文件中的一行。最后，结果存储在变量行中。

结论

总之，使用 Python 拆分文本文件的最快方法取决于文件的大小。如果文件很小，可以使用 split（） 函数或 readline（） 方法。但是，对于大文件，应使用 mmap 模块对文件进行内存映射，从而提供一种快速有效的方法来访问文件。