Python讀大資料txt

如果直接對大檔案對象調用 read() 方法，會導致不可預測的記憶體佔用。好的方法是利用固定長度的緩衝區來不斷讀取檔案內容。即通過yield。

在用Python讀一個兩個多G的txt文本時，天真的直接用readlines方法，結果一運行記憶體就崩了。

還好同事點撥了下，用yield方法，測試了下果然毫無壓力。咎其原因，原來是readlines是把常值內容全部放於記憶體中，而yield則是類似於產生器。

代碼如下：

def open_txt(file_name):  with open(file_name,'r+') as f:    while True:      line = f.readline()      if not line:        return      yield line.strip()

調用執行個體：

for text in open_txt('aa.txt'):  print text

例二：

目標 txt 檔案大概有6G，想取出前面1000條資料儲存於一個新的 txt 檔案中做餘下的操作，雖然不知道這樣做有沒有必要但還是先小資料量測試一下吧。參考這個文章：我想把一個list列表儲存到一個Txt文檔，該怎麼儲存 ，自己寫了一個簡單的小程式。
====================================================

import datetimeimport picklestart = datetime.datetime.now()print "start--%s" % (start)fileHandle = open ( 'train.txt' )file2 = open('s_train.txt','w') i = 1while ( i < 10000 ):  a = fileHandle.readline()  file2.write(''.join(a))   i = i + 1fileHandle.close() file2.close()print "done--%s" % ( datetime.datetime.now() - start)if __name__ == '__main__':  pass

====================================================
pickle 這個庫大家說的很多，官網看看，後面可以好好學習一下。

