强悍的 Python —— 读取大文件

发布时间：2019-09-09 08:46:32编辑：auto阅读（1522）

    Python 环境下文件的读取问题，请参见拙文 Python 基础 —— 文件

    这是一道著名的 Python 面试题，考察的问题是，Python 读取大文件和一般规模的文件时的区别，也即哪些接口不适合读取大文件。

    1. read() 接口的问题

    f = open(filename, 'rb')
f.read()

    我们来读取 1 个 nginx 的日至文件，规模为 3Gb 大小。read() 方法执行的操作，是一次性全部读入内存，显然会造成：

    MemoryError
...

    也即会发生内存溢出。

    2. 解决方案：转换接口

    • （1）readlines() ：读取全部的行，构成一个 list，实践表明还是会造成内存的问题；

      for line in f.reanlines():
    ...

    • （2）readline()：每次读取一行，

      while True:
    line = f.readline()
    if not line:
        break

    • （3）read(1024)：重载，指定每次读取的长度

      while True:
    block = f.read(1024)
    if not block:
        break

    3. 真正 Pythonic 的方法

    真正 Pythonci 的方法，使用 with 结构：

    with open(filename, 'rb') as f:
    for line in f:
        <do something with the line>

    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.

    Reference

    1. How to read large file, line by line in python

关键字：

上一篇： Python内置工具（tools）总结

下一篇： python 创建自己的包