用Python实现大文本文件切割

在实际工作中，有些场景下，因为产品既有功能限制，不支持特大文件的直接处理，需要把大文件进行切割处理。

当然可以通过UltraEdit编辑工具，或者从网上下载一些文件切割器之类的。但这些要么手工操作太麻烦，要么不能满足自定义需求。

而且，对程序员来说，DIY一个轮子还是有必要的。

 

Python作为快速开发工具，其代码表达力强，开发效率高，因此用Python快速写一个，还是可行的。

需求描述：

    输入：给定一个带列头的csv文件，或者txt文件，或者其他文本文件。

    输出：指定单文件内部行数的一系列可区分小文件。

开发环境：Python 3.6

代码如下：

# -*- coding: cp936 -*-
import os
import time
 
def mkSubFile(lines,head,srcName,sub):
    [des_filename, extname] = os.path.splitext(srcName)
    filename  = des_filename + '_' + str(sub) + extname
    print( 'make file: %s' %filename)
    fout = open(filename,'w')
    try:
        fout.writelines([head])
        fout.writelines(lines)
        return sub + 1
    finally:
        fout.close()
 
def splitByLineCount(filename,count):
    fin = open(filename,'r')
    try:
        head = fin.readline()
        buf = []
        sub = 1
        for line in fin:
            buf.append(line)
            if len(buf) == count:
                sub = mkSubFile(buf,head,filename,sub)
                buf = []
        if len(buf) != 0:
            sub = mkSubFile(buf,head,filename,sub)   
    finally:
        fin.close()
 
if __name__ == '__main__':
    begin = time.time()
    splitByLineCount('盂县.csv',600000)
    end = time.time()
    print('time is %d seconds ' % (end - begin))

测试结果：

    1.4GB的csv文件，13列数据，切分成23个小文件，耗时55秒。