强悍的 Python —— 读取大文件

Python 环境下文件的读取问题，请参见拙文 Python 基础 —— 文件

这是一道著名的 Python 面试题，考察的问题是，Python 读取大文件和一般规模的文件时的区别，也即哪些接口不适合读取大文件。

1. read() 接口的问题

f = open(filename, 'rb')
f.read()

我们来读取 1 个 nginx 的日至文件，规模为 3Gb 大小。read() 方法执行的操作，是一次性全部读入内存，显然会造成：

MemoryError
...

也即会发生内存溢出。

2. 解决方案：转换接口

• （1）readlines() ：读取全部的行，构成一个 list，实践表明还是会造成内存的问题；

  for line in f.reanlines():
      ...

• （2）readline()：每次读取一行，

  while True:
      line = f.readline()
      if not line:
          break

• （3）read(1024)：重载，指定每次读取的长度

  while True:
      block = f.read(1024)
      if not block:
          break

3. 真正 Pythonic 的方法

真正 Pythonci 的方法，使用 with 结构：

with open(filename, 'rb') as f:
    for line in f:
        <do something with the line>

对可迭代对象 f，进行迭代遍历：for line in f，会自动地使用缓冲IO（buffered IO）以及内存管理，而不必担心任何大文件的问题。

There should be one – and preferably only one – obvious way to do it.

Reference

1. How to read large file, line by line in python