Python最快的方式來讀取大文本文件(幾GB)

来源:https://www.cnblogs.com/pythonzhichan/archive/2019/08/29/11428053.html
-Advertisement-
Play Games

我有一個大文本文件(約7 GB)。我正在尋找是否存在閱讀大文本文件的最快方法。我一直在閱讀有關使用多種方法作為讀取chunk-by-chunk以加快進程的過程。 例如,effbot建議 為了每秒處理96,900行文本。其他作者建議使用islice() list(islice(f, n))將返回n文件 ...


我有一個大文本文件(約7 GB)。我正在尋找是否存在閱讀大文本文件的最快方法。我一直在閱讀有關使用多種方法作為讀取chunk-by-chunk以加快進程的過程。

例如,effbot建議

# File: readline-example-3.py

file = open("sample.txt")

while 1:
    lines = file.readlines(100000)
    if not lines:
        break
    for line in lines:
        pass # do something**strong text**

為了每秒處理96,900行文本。其他作者建議使用islice()

from itertools import islice

with open(...) as f:
    while True:
        next_n_lines = list(islice(f, n))
        if not next_n_lines:
            break
        # process next_n_lines

list(islice(f, n))將返回n文件的下一列表f在迴圈中使用它將為您提供大量n的文件

 

解決方案


with open(<FILE>) as FileObj:
    for lines in FileObj:
        print lines # or do some other thing with the line...

將在此時讀取一行記憶體,併在完成後關閉文件...

本文首發於Python黑洞網,博客園同步更新


您的分享是我們最大的動力!

-Advertisement-
Play Games
更多相關文章
  • 一、說明 網關的核心概念就是路由配置和路由規則,而作為所有請求流量的入口,在實際生產環境中為了保證高可靠和高可用,是儘量要避免重啟的,所以實現動態路由是非常有必要的;本文主要介紹實現的思路,並且以 為數據源來講解   二、實現要點 要實現動態路由只需關註下麵4個點 1. 網關啟動時, 的數 ...
  • "鏈接" A 理解一下題意,然後玩幾組樣例就能發現,實際上就是$k$個$i$等價於$1$個$i 1$。所以就類似於$k$進位進行進位,如果最後$0$位上不是$0$,那麼就存在劃分方案。否則就不存在劃分方案。 輸出第一次劃分方案就記錄一下每個數字是不是後面的數字湊出來的。如果是的話就像後面數字連邊。這 ...
  • 說明 實現網頁登錄後跳轉應該分為兩類:即 登錄成功後跳轉 和 登錄失敗再次登錄成功後跳轉 。參考網上內容,基本都只實現了第一類。而沒有實現第二類。 實現 為了能讓登錄失敗後再次登錄成功後還能實現跳轉。我這裡採用了笨辦法, 即: 無論登錄成功與否,都將跳轉鏈接在前後端進行傳遞 ,這樣跳轉鏈接就不會在登 ...
  • 現在有如下幾個模塊: A.py 功能:定義全局變數,供其他模塊使用 B.py 功能:列印A.py中的變數 main.py 運行後我們發現: A模塊中的name被修改了,但在B模塊中列印的還是原來的值。 A模塊中的lists添加了新的元素,顯示正常。 原因: 使用from A import name ...
  • 最近網站PC端集成微信掃碼登錄,踩了不少坑,在此記錄下實現過程和註意事項。 本文目錄 一、微信開放平臺操作步驟1.創建“網站應用”2.獲取AppID和AppSecret二、開髮指南三、開發實戰1、pom.xml引入jar包2、配置文件添加對應的配置3、初始化配置4、控制層核心代碼四、運行效果1.構造 ...
  • 線程是Java語言中不可或缺的重要功能,它能使複雜的非同步代碼變得更簡單,從而極大地簡化了複雜系統的開發。此外,要想充分發揮多處理器系統的強大計算能力,最簡單的方式就是使用線程。隨著處理器數量的持續增長,如何高效地使用併發正變得越來越重要。 ...
  • python中時間日期格式化符號 %y 兩位數的年份表示(00-99)%Y 四位數的年份表示(000-9999)%m 月份(01-12)%d 月內中的一天(0-31)%H 24小時制小時數(0-23)%I 12小時制小時數(01-12)%M 分鐘數(00=59)%S 秒(00-59)%a 本地簡化星 ...
  • if 3 > 2: print("yes") elif 3 == 2: print("equal") else: print("no") 1 a = 2**3 2 print(a) #結果為8 3 4 b = 9%2 5 print(b) #結果為1 1 num1 = int(input("num1 ...
一周排行
    -Advertisement-
    Play Games
  • 移動開發(一):使用.NET MAUI開發第一個安卓APP 對於工作多年的C#程式員來說,近來想嘗試開發一款安卓APP,考慮了很久最終選擇使用.NET MAUI這個微軟官方的框架來嘗試體驗開發安卓APP,畢竟是使用Visual Studio開發工具,使用起來也比較的順手,結合微軟官方的教程進行了安卓 ...
  • 前言 QuestPDF 是一個開源 .NET 庫,用於生成 PDF 文檔。使用了C# Fluent API方式可簡化開發、減少錯誤並提高工作效率。利用它可以輕鬆生成 PDF 報告、發票、導出文件等。 項目介紹 QuestPDF 是一個革命性的開源 .NET 庫,它徹底改變了我們生成 PDF 文檔的方 ...
  • 項目地址 項目後端地址: https://github.com/ZyPLJ/ZYTteeHole 項目前端頁面地址: ZyPLJ/TreeHoleVue (github.com) https://github.com/ZyPLJ/TreeHoleVue 目前項目測試訪問地址: http://tree ...
  • 話不多說,直接開乾 一.下載 1.官方鏈接下載: https://www.microsoft.com/zh-cn/sql-server/sql-server-downloads 2.在下載目錄中找到下麵這個小的安裝包 SQL2022-SSEI-Dev.exe,運行開始下載SQL server; 二. ...
  • 前言 隨著物聯網(IoT)技術的迅猛發展,MQTT(消息隊列遙測傳輸)協議憑藉其輕量級和高效性,已成為眾多物聯網應用的首選通信標準。 MQTTnet 作為一個高性能的 .NET 開源庫,為 .NET 平臺上的 MQTT 客戶端與伺服器開發提供了強大的支持。 本文將全面介紹 MQTTnet 的核心功能 ...
  • Serilog支持多種接收器用於日誌存儲,增強器用於添加屬性,LogContext管理動態屬性,支持多種輸出格式包括純文本、JSON及ExpressionTemplate。還提供了自定義格式化選項,適用於不同需求。 ...
  • 目錄簡介獲取 HTML 文檔解析 HTML 文檔測試參考文章 簡介 動態內容網站使用 JavaScript 腳本動態檢索和渲染數據,爬取信息時需要模擬瀏覽器行為,否則獲取到的源碼基本是空的。 本文使用的爬取步驟如下: 使用 Selenium 獲取渲染後的 HTML 文檔 使用 HtmlAgility ...
  • 1.前言 什麼是熱更新 游戲或者軟體更新時,無需重新下載客戶端進行安裝,而是在應用程式啟動的情況下,在內部進行資源或者代碼更新 Unity目前常用熱更新解決方案 HybridCLR,Xlua,ILRuntime等 Unity目前常用資源管理解決方案 AssetBundles,Addressable, ...
  • 本文章主要是在C# ASP.NET Core Web API框架實現向手機發送驗證碼簡訊功能。這裡我選擇是一個互億無線簡訊驗證碼平臺,其實像阿裡雲,騰訊雲上面也可以。 首先我們先去 互億無線 https://www.ihuyi.com/api/sms.html 去註冊一個賬號 註冊完成賬號後,它會送 ...
  • 通過以下方式可以高效,並保證數據同步的可靠性 1.API設計 使用RESTful設計,確保API端點明確,並使用適當的HTTP方法(如POST用於創建,PUT用於更新)。 設計清晰的請求和響應模型,以確保客戶端能夠理解預期格式。 2.數據驗證 在伺服器端進行嚴格的數據驗證,確保接收到的數據符合預期格 ...