python读取大文件内容_python 读取大文件

readlines、read()、readline()等一次性读取遇到很大的文件都可能面临内存崩溃，所以我们将读取操作细化一点

1. read(size) + yield

固定每次读取的长度，使用生成器返回

def read_file1(file='articles.txt'):

time.sleep(1)

block_size = 1024

with open(file, 'r', encoding='utf-8') as f:

while True:

block = f.read(block_size)

if block:

yield block

else:

break

2. for line in

迭代遍历，这个方法会自动地使用缓冲IO（buffered IO）以及内存管理，但是如果大量数据都在一行还是会出状况

def read_file2(file='articles.txt'):

with open(file, 'r', encoding='utf-8') as f:

for line in f:

print(line)

3. buff机制

对于所有数据都在一行的话，用for line in不仅仅没法处理而且获取数据的时候也没法获取到有效内容，这一行数据里明显会包含换行符、分隔符等，这个时候我们就可以自建一个buff管理来处理数据了，将每一次读取的内容加入缓存，对分隔符做处理后下次就从这之后依次处理

def read_file3(split_str, size, file='articles.txt', ):

with open(file, 'r', encoding='utf-8') as f:

buff = "" #定义缓冲区

while True:

print("buff：", buff)

while split_str in buff: #若分隔符在缓冲区内

print("捕捉到分隔符", buff)

position = buff.index(split_str) #查找分隔符第一次出现的索引

yield buff[:position] #返回从初始索引到次索引之间的缓冲区内容

buff = buff[position + len(split_str):] #更新缓冲区，除去分隔符以及之前的内容

chunk = f.read(size) #缓冲区内无分隔符则读取size个字符

if chunk: #读取到内容，将内容添加到缓冲区

buff += chunk

else:

yield buff #没读取到内容，退出循环

break