python读取超大文件 linecache_Read a large file with python

python读取大文件

较pythonic的方法，使用with结构

文件可以自动关闭

异常可以在with块内处理

with open(filename, 'rb') as f:

for line in f:

最大的优点：对可迭代对象 f，进行迭代遍历：for line in f，会自动地使用缓冲io(buffered io)以及内存管理，而不必担心任何大文件的问题。

there should be one – and preferably only one – obvious way to do it.

使用生成器generator

如果想对每次迭代读取的内容进行更细粒度的处理，可以使用yield生成器来读取大文件

def readinchunks(file_obj, chunksize=2048):

"""

lazy function to read a file piece by piece.

default chunk size: 2kb.

"""

while true:

data = file_obj.read(chunksize)

if not data:

break

yield data

f = open('bigfile')

for chunk in readinchunks(f):

do_something(chunk)

f.close()

linux下使用split命令(将一个文件根据大小或行数平均分成若干个小文件)

wc -l blm.txt # 读出blm.txt文件一共有多少行

# 利用split进行分割

split -l 2482 ../blm/blm.txt -d -a 4 blm_

# 将 文件 blm.txt 分成若干个小文件，每个文件2482行(-l 2482)，文件前缀为blm_ ，系数不是字母而是数字(-d)，后缀系数为四位数(-a 4)

# 按行数分割

split -l 300 large_file.txt new_file_prefix

# 文件大小分割

split -b 10m server.log waynelog

# 对文件进行合并：使用重定向，'>' 写入文件 , '>>' 追加到文件中

cat file_prefix* > large_file

在工作中的日常： 用户信息，log日志缓存，等都是大文件

补充：linecache模块

当读取一个文件的时候，python会尝试从缓存中读取文件内容，优化读取速度，提高效率，减少了i/o操作

linecache.getline(filename, lineno) 从文件中读取第几行，注意：包含换行符

linecache.clearcache() 清除现有的文件缓存

linecache.checkcache(filename=none) 检查缓存内容的有效性，可能硬盘内容发生改变，更新了，如果没有参数，将检查缓存中的所有记录(entries)

import linecache

linecache.getline(linecache.__file__, 8)

题目：

现给一个文件400m(该文件是由/etc/passwd生成的)，统计其中root字符串出现的次数

import time

sum = 0

start = time.time()

with open('file', 'r') as f:

for i in f:

new = i.count('root')

sum+=new

end = time.time()

print(sum, end-start)

注:有时候这个程序比c,shell快10倍，原因就是，python会读取cache中的数据，使用缓存在内部进行优化，减少i/o，提高效率

希望与广大网友互动？？

点此进行留言吧！