|
1.行遍历实现
在python中如果要将一个文件完全加载到内存中,通过file.readlines()即可,但是在文件占用较高时,我们是无法完整的将文件加载到内存中的,这时候就需要用到python的file.readline()进行迭代式的逐行读取:- filename = 'hello.txt'
-
- with open(filename, 'r') as file:
- line = file.readline()
- counts = 1
- while line:
- if counts >= 50000000:
- break
- line = file.readline()
- counts += 1
复制代码 这里我们的实现方式是先用一个with语句打开一个文件,然后用readline()函数配合while循环逐行加载,最终通过一个序号标记来结束循环遍历,输出文件第50000000行的内容。该代码的执行效果如下:- dechin@ubuntu2004:~/projects/gitlab/dechin/$ time python3 get_line.py
-
- real 0m10.359s
- user 0m10.062s
- sys 0m0.296s
复制代码 可以看到这里的耗时为10s多一些。
2.linecache实现
虽然在python的readline函数中并没有实现读取指定行内容的方案,但是在另一个库linecache中是实现了的,由于使用的方式较为简单,这里直接放上代码示例供参考:- filename = 'hello.txt'
-
- import linecache
- text = linecache.getline(filename, 50000000)
复制代码 该代码的执行结果如下:- dechin@ubuntu2004:~/projects/gitlab/dechin/$ time python3 get_line.py
-
- real 0m11.904s
- user 0m5.672s
- sys 0m6.231s
复制代码 虽然在实现方式上简化了许多,但是我们发现这个实现的用时超过了11s,还不如我们自己手动实现的循环遍历方案。因此如果是对于性能有一定要求的场景,是不建议采用这个方案的。
3.命令行sed获取
我们知道用Linux系统本身自带的sed指令也是可以获取到文件指定行或者是指定行范围的数据的,其执行指令为:sed -n 50000000p filename即表示读取文件的第50000000行的内容。同时结合python的话,我们可以在python代码中执行系统指令并获取输出结果:- filename = 'hello.txt'
-
- import os
- result = os.popen('sed -n {}p {}'.format(50000000, filename)).read()
复制代码 需要注意的是,如果直接运行os.system()是没有返回值的,只有os.popen()是有返回值的,并且需要在尾巴加上一个read()的选项。该代码的执行结果如下:- dechin@ubuntu2004:~/projects/gitlab/dechin/$ time python3 get_line.py
-
- real 0m2.532s
- user 0m0.032s
- sys 0m0.020s
复制代码 可以看到直接使用sed指令的执行速度很快,但是用这种方法并不是一本万利的,比如以下这个例子:- filename = 'hello.txt'
-
- import os
- #学习中遇到问题没人解答?小编创建了一个Python学习交流群:153708845
- result = os.popen('sed -n {}p {}'.format(500, filename)).read()
复制代码 我们把读取第50000000行内容改为读取第500行的内容,再运行一次程序:- dechin@ubuntu2004:~/projects/gitlab/dechin/$ time python3 get_line.py
-
- real 0m2.540s
- user 0m0.037s
- sys 0m0.013s
复制代码 然而我们发现这个速度并没有因为要读取的行数减少了而变少,而是几乎保持不变的。
总结
本文通过4个测试案例分析了在python中读取文件指定行内容的方案,并得到了一些运行耗时的数据。从需求上来说,如果是对于小规模的数据,比如几百行规模的数据,建议使用readline循环遍历来操作,速度也相当不错,或者是linecache中的函数实现也是可以的,甚至可以直接用readlines将整个文本内容加载到内存中。但是对于数据规模比较大的场景,比如超过了千万行的级别,那么使用sed指令的方式对指定行内容进行读取的方式,应该是所有方式中最快速的。
来源:https://www.cnblogs.com/python1111/p/18164371
免责声明:由于采集信息均来自互联网,如果侵犯了您的权益,请联系我们【E-Mail:cb@itdo.tech】 我们会及时删除侵权内容,谢谢合作! |
|