Python 高效分割大文件 按行数拆分大文件

def read_large_file(m_fr):
    """
    生成器函数,按行读取大文件
    :param m_fr:
    :return: 每行的内容
    """
    while True:
        line = m_fr.readline()
        if not line:
            break
        yield line


# 按行数拆分文件
# 将子文件存放到以文件名命名的文件夹中
def file_split_quick(m_filepath, m_num, m_dirpath, m_num_dict):
    """
        按行分割大文件
        :param m_filepath: 文件路径
        :param m_num: 每个分割文件的行数
        :param m_dirpath: 子文件存储目录
        :param m_num_dict: 记录子文件行数的字典
        """
    m_pathlist = []
    if not os.path.exists(m_filepath):
        print('error: not exist: {}'.format(m_filepath))
        assert 0 == 1
    if not os.path.exists(m_dirpath):
        os.makedirs(m_dirpath)
    m_filename = os.path.basename(m_filepath)
    m_out = []
    m_cmd = "wc -l {}".format(m_filepath)
    execute_command(m_cmd, m_out)
    m_total_num = int(m_out[0].split(' ')[0])
    if m_total_num > m_num:
        m_count = 0
        with open(m_filepath, 'r', encoding='utf-8') as m_fr:
            while True:
                m_lines = list(islice(read_large_file(m_fr), m_num))
                if not m_lines:
                    break
                m_count += 1
                m_subpath = os.path.join(m_dirpath, os.path.splitext(m_filename)[0] + '_' + str(m_count).zfill(3) + os.path.splitext(m_filename)[1])
                m_fw = open(m_subpath, 'w', encoding='utf-8')
                m_fw.writelines(m_lines)
                m_fw.close()
                m_pathlist.append(m_subpath)
                m_num_dict[m_subpath] = len(m_lines)
                print('done: {} {}'.format(m_num_dict[m_subpath], m_subpath))

    else:
        m_newpath = os.path.join(m_dirpath, m_filename)
        m_pathlist.append(m_newpath)
        m_num_dict[m_newpath] = m_total_num
        shutil.copyfile(m_filepath, m_newpath)
    return m_pathlist

ChatGPT真是个好东西!

用linux命令拆分:

# 命令:split 文件路径 分割出的文件前缀
# 示例:
split test.txt test_

# 文件按行分割
# -l 设置行数
# -a 指定后缀长度(默认为2)
# --numeric-suffixes=1 指定数字起始值(会影响分割效率)
# --additional-suffix=.txt 指定分割出来的文件格式(会影响分割效率)
split -l 10000 test.txt test_ -a 3 --numeric-suffixes=1 --additional-suffix=.txt

# 查看文件前10行内容
head -n 10 test_001.txt

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
如果你的 txt 文件非常大,逐行读取文件可能会非常慢。在这种情况下,你可以使用一种更高效的方法来获取文件的行数,也就是二分查找法。 具体来说,你可以利用文件指针来跳转到文件的中间位置,然后向后扫描,计算出当前位置前面的行数。然后,你可以根据当前位置前面的行数来判断应该向前还是向后跳转,直到找到文件的末尾。这个方法的时间复杂度为 O(log n),比逐行读取文件的时间复杂度 O(n) 要快得多。 下面是一个使用二分查找法来获取文件行数的 Python 代码示例: ```python def count_lines(filename): with open(filename, "rb") as f: f.seek(0, 2) # 将文件指针跳到文件末尾 end = f.tell() start = 0 while start < end: mid = (start + end) // 2 # 将文件指针跳转到中间位置 f.seek(mid) if f.read(1) == b'\n': # 如果中间位置是一个换行符,则向前移动一个位置 mid -= 1 f.seek(mid) # 向后扫描,计算中间位置前面的行数 while f.read(1) != b'\n' and mid > start: mid -= 1 f.seek(mid) if mid == start: return mid end = mid return end ``` 这个函数会打开指定的文件,并使用二分查找法来计算文件的行数。你可以调用这个函数来获取超大文件的行数,比如: ```python filename = "large_file.txt" line_count = count_lines(filename) print("Total number of lines:", line_count) ``` 注意,这个方法假定文件中的行都是以换行符 \n 结尾的。如果你的文件使用不同的行分隔符,你需要相应地修改代码。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值