python大文件去重_python大ip文件排重

1 需求：

整理个IP列表，需要将IP去重下，统计一共多少来源

本来想直接shell命令解决，简单的 sort 管道 uniq  然后wc下

无奈文件太大，条数多，处理效率不堪

文件大概5G，几亿条数据吧

2 PLAN A  未遂

shell处理：#time sort ip | uniq | wc -l

然后没啥反应了。。。。 其实是在处理中，最后被我ctrl c了

3 PLAN B

没办法写个简单的python，用列表的排重特性(需要注意文件读取的方法，不要将文件一次全部读取到内存。。。)：#! /usr/bin/env python

d={}

with open('ip', 'rb') as f:

for line in f:

d[line] = 'ip'

print  len(d)time python read.py

然后就很快结束了：

4 结束

简单看下资源消耗情况：

优势还是挺明显的，以小见大吧，希望python可以帮助大家解决工作中的实际问题，不论大小。