基本操作
Python 将文本文件的内容读入可以操作的字符串变量非常容易。文件对象提供了三个“读”方法:
read()
、readline()
和readlines()
。调用read()
会一次性读取文件的全部内容,如果文件超过内存大小,会造成MemoyError,所以,为保险起见,可以反复调用read(size)
方法,每次最多读取size个字节的内容。另外,调用readline()
可以每次读取一行内容,调用readlines()
一次读取所有内容并按行返回list。如果文件很小,read()
一次性读取最方便;如果不能确定文件大小,反复调用read(size)
比较保险;如果是配置文件,调用readlines()
最方便
f = open(filename, "r")
data = f.read()
print(data)
f.close()
分块读取
处理大文件是很容易想到的就是将大文件分割成若干小块处理,处理完每一小块后释放该部分内存。
def read_in_chunks(file_obj, chunk_size=4096):
"""
function to read a file piece by piece.
Default chunk size: 4kB.
"""
while True:
data = file_obj.read(chunk_size)
if not data:
break
yield data
f = open("filename")
for chuck in read_in_chunks(f):
#do_something(chunk)
f.close()
使用With open()
with
语句打开和关闭文件,包括抛出一个内部块异常。for line in f
文件对象f
视为一个迭代器,会自动的采用缓冲IO
和内存管理,所以不必担心大文件。
with open(filename, "rb") as f:
for line in f:
process(line) # <do something with line>
小结
面对百万行的大型文件使用with open()是没有问题的,但是这里面参数的不同也会导致不同的效率。经过测试发现参数为"rb"时的效率比"r"高很多。由此可知二进制读取依然是最快的模式