• 技术文章 >后端开发 >Python教程

    Python读大数据txt

    2016-06-10 15:05:26原创570
    如果直接对大文件对象调用 read() 方法,会导致不可预测的内存占用。好的方法是利用固定长度的缓冲区来不断读取文件内容。即通过yield。

    在用Python读一个两个多G的txt文本时,天真的直接用readlines方法,结果一运行内存就崩了。

    还好同事点拨了下,用yield方法,测试了下果然毫无压力。咎其原因,原来是readlines是把文本内容全部放于内存中,而yield则是类似于生成器。

    代码如下:

    def open_txt(file_name):
      with open(file_name,'r+') as f:
        while True:
          line = f.readline()
          if not line:
            return
          yield line.strip()
    

    调用实例:

    for text in open_txt('aa.txt'):
      print text
    
    

    例二:

    目标 txt 文件大概有6G,想取出前面1000条数据保存于一个新的 txt 文件中做余下的操作,虽然不知道这样做有没有必要但还是先小数据量测试一下吧。参考这个帖子:我想把一个list列表保存到一个Txt文档,该怎么保存 ,自己写了一个简单的小程序。
    ====================================================

    import datetime
    import pickle
    
    start = datetime.datetime.now()
    print "start--%s" % (start)
    
    fileHandle = open ( 'train.txt' )
    file2 = open('s_train.txt','w') 
    
    i = 1
    while ( i < 10000 ):
      a = fileHandle.readline()
      file2.write(''.join(a)) 
      i = i + 1
    
    fileHandle.close() 
    file2.close()
    
    print "done--%s" % ( datetime.datetime.now() - start)
    
    if __name__ == '__main__':
      pass
    
    

    ====================================================
    pickle 这个库大家说的很多,官网看看,后面可以好好学习一下。

    声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn核实处理。
    Web大前端开发直播班

    相关文章推荐

    • 详细介绍Python之Pandas知识点• Python数据类型详解之字符串、数字• Python归纳总结之json标准库• 详细讲解Python之Seaborn(数据可视化)• 完全掌握Python数学相关模块

    全部评论我要评论

  • 取消发布评论发送
  • 1/1

    PHP中文网