两种比较快Large File Reading的方法，本文将介绍这两种读取方法。
操作方法
-
01
Preliminary 我们谈到“文本处理”时，我们通常是指处理的内容。Python 将文本文件的内容读入可以操作的字符串变量非常容易。文件对象提供了三个“读”方法：.read()、.readline()和.readlines()。每种方法可以接受一个变量以限制每次读取的数据量，但它们通常不使用变量。.read()每次读取整个文件，它通常用于将文件内容放到一个字符串变量中。然而.read()生成文件内容最直接的字符串表示，但对于连续的面向行的处理，它却是不必要的，并且如果文件大于可用内存，则不可能实现这种处理。下面是read()方法示例： 1 try: 2 f = open(‘/path/to/file’, ‘r’) 3 print f.read() 4 finally: 5 if f: 6 f.close() 调用read()会一次性读取文件的全部内容，如果文件有10G，内存就爆了，所以，要保险起见，可以反复调用read(size)方法，每次最多读取size个字节的内容。另外，调用readline()可以每次读取一行内容，调用readlines()一次读取所有内容并按行返回list。因此，要根据需要决定怎么调用。 如果文件很小，read()一次性读取最方便；如果不能确定文件大小，反复调用read(size)比较保险；如果是配置文件，调用readlines()最方便： 1 for line in f.readlines(): 2 process(line) # <do something with line>
-
02
Read In Chunks 处理大文件是很容易想到的就是将大文件分割成若干小文件处理，处理完每个小文件后释放该部分内存。这里用了iter & yield： 1 2 def read_in_chunks(filePath, chunk_size=1024*1024): 3 “”” 4 Lazy function (generator) to read a file piece by piece. 5 Default chunk size: 1M 6 You can set your own chunk size 7 “”” 8 file_object = open(filePath) 9 while True: 10 chunk_data = file_object.read(chunk_size) 11 if not chunk_data: 12 break 13 yield chunk_data 14 if __name__ == “__main__”: 15 filePath = ‘./path/filename’ 16 for chunk in read_in_chunks(filePath): 17 process(chunk) # <do something with chunk> 18
-
03
Usingwith open() with语句打开和关闭文件，包括抛出一个内部块异常。for line in f文件对象f视为一个迭代器，会自动的采用缓冲IO和内存管理，所以你不必担心大文件。 1#If the file is line based 2with open(…) as f: 3 for line in f: 4 process(line) # <do something with line>
-
04
Conclusion 在使用python进行大文件读取时，应该让系统来处理，使用最简单的方式，交给解释器，就管好自己的工作就行了。
