行遍歷實現(xiàn)

在python中如果要將一個文件完全加載到內(nèi)存中，通過file.readlines()即可，但是在文件占用較高時，我們是無法完整的將文件加載到內(nèi)存中的，這時候就需要用到python的file.readline()進行迭代式的逐行讀?。?/p>

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

這里我們的實現(xiàn)方式是先用一個with語句打開一個文件，然后用readline()函數(shù)配合while循環(huán)逐行加載，最終通過一個序號標記來結束循環(huán)遍歷，輸出文件第50000000行的內(nèi)容。該代碼的執(zhí)行效果如下：

dechin@ubuntu2004:~/projects/gitlab/dechin/$ time python3 get_line.py 

real    0m10.359s
user    0m10.062s
sys     0m0.296s

可以看到這里的耗時為10s多一些。

linecache實現(xiàn)

雖然在python的readline函數(shù)中并沒有實現(xiàn)讀取指定行內(nèi)容的方案，但是在另一個庫linecache中是實現(xiàn)了的，由于使用的方式較為簡單，這里直接放上代碼示例供參考：

filename = 'hello.txt'

import linecache
text = linecache.getline(filename, 50000000)

該代碼的執(zhí)行結果如下：

dechin@ubuntu2004:~/projects/gitlab/dechin/$ time python3 get_line.py 

real    0m11.904s
user    0m5.672s
sys     0m6.231s

雖然在實現(xiàn)方式上簡化了許多，但是我們發(fā)現(xiàn)這個實現(xiàn)的用時超過了11s，還不如我們自己手動實現(xiàn)的循環(huán)遍歷方案。因此如果是對于性能有一定要求的場景，是不建議采用這個方案的。

命令行sed獲取

我們知道用Linux系統(tǒng)本身自帶的sed指令也是可以獲取到文件指定行或者是指定行范圍的數(shù)據(jù)的，其執(zhí)行指令為：sed -n 50000000p filename即表示讀取文件的第50000000行的內(nèi)容。同時結合python的話，我們可以在python代碼中執(zhí)行系統(tǒng)指令并獲取輸出結果：

filename = 'hello.txt'

import os
result = os.popen('sed -n {}p {}'.format(50000000, filename)).read()

需要注意的是，如果直接運行os.system()是沒有返回值的，只有os.popen()是有返回值的，并且需要在尾巴加上一個read()的選項。該代碼的執(zhí)行結果如下：

dechin@ubuntu2004:~/projects/gitlab/dechin/$ time python3 get_line.py 

real    0m2.532s
user    0m0.032s
sys     0m0.020s

可以看到直接使用sed指令的執(zhí)行速度很快，但是用這種方法并不是一本萬利的，比如以下這個例子：

filename = 'hello.txt'

import os
result = os.popen('sed -n {}p {}'.format(500, filename)).read()

我們把讀取第50000000行內(nèi)容改為讀取第500行的內(nèi)容，再運行一次程序：

dechin@ubuntu2004:~/projects/gitlab/dechin/$ time python3 get_line.py 

real    0m2.540s
user    0m0.037s
sys     0m0.013s

然而我們發(fā)現(xiàn)這個速度并沒有因為要讀取的行數(shù)減少了而變少，而是幾乎保持不變的。

總結概要

本文通過4個測試案例分析了在python中讀取文件指定行內(nèi)容的方案，并得到了一些運行耗時的數(shù)據(jù)。從需求上來說，如果是對于小規(guī)模的數(shù)據(jù)，比如幾百行規(guī)模的數(shù)據(jù)，建議使用readline循環(huán)遍歷來操作，速度也相當不錯，或者是linecache中的函數(shù)實現(xiàn)也是可以的，甚至可以直接用readlines將整個文本內(nèi)容加載到內(nèi)存中。但是對于數(shù)據(jù)規(guī)模比較大的場景，比如超過了千萬行的級別，那么使用sed指令的方式對指定行內(nèi)容進行讀取的方式，應該是所有方式中最快速的。

本文首發(fā)鏈接為：https://www.cnblogs.com/dechinphy/p/lbl.html

作者ID：DechinPhy

以上就是python3讀取文件指定行的三種方法的詳細內(nèi)容，更多關于python讀取文件指定行的資料請關注腳本之家其它相關文章！

最新評論