用PHP讀取超大檔案的執行個體代碼

去年年底的各種網站帳號資訊的資料庫泄漏，很是給力啊，趁機也下載了幾個資料庫，準備學學資料分析家來分析一下這些帳號資訊。雖然這些資料資訊都已經被“整理”過的，不過自己拿來學習也挺有用的，畢竟有這麼大的資料量。

資料量大帶來的問題就是單個檔案很大，能夠開啟這個檔案相當不容易，記事本就不要指望了，果斷死機。用MSSQL的用戶端也打不開這麼大的SQL檔案，直接報記憶體不足，原因據說是MSSQL在讀取資料的時候，是一次性地將讀取到的資料放在記憶體中，如果資料量過大，而記憶體不足，則會直接導致系統癱掉。

Navicat Premium
這兒推薦一個軟體Navicat Premium，相當給力啊，幾百兆的SQL檔案輕鬆就開啟了，一點都不卡。而且這個用戶端軟體支援MSSQL、MYSQL、Oracle……等等各種資料庫的串連，其它的很多功能就自己慢慢研究了。

雖然用Navicat可以開啟CSDN這個274MB的SQL檔案，但是內容卻是沒意義的，而且也不方便對這些帳號資訊進行查詢、分類、統計等等操作。唯一的方法就是把這些資料一條一條地讀取出來，然後分拆每條記錄的不同片段，再將這些片段以資料欄位的格式存入資料庫，這樣就可以方便以後的使用了。

使用PHP讀取超大檔案
PHP有很多種檔案讀取的方式，根據目標檔案的不同，採取更合適的方法，可有效地提高執行效率。由於CSDN資料庫檔案很大，所以我們盡量不在短時間內全都讀取出來，畢竟每讀取一條資料還要對其分拆和寫入操作。那麼比較合適的方式就是對檔案進行分地區地讀取，通過使用PHP的fseek和fread相結合，即可做到隨意讀取檔案中的某一部份資料，下面是執行個體代碼：

複製代碼 代碼如下:function readBigFile($filename, $count = 20, $tag = "\r\n") {
$content = "";//最終內容
$current = "";//當前讀取內容寄存
$step= 1;//每次走多少字元
$tagLen = strlen($tag);
$start = 0;//起始位置
$i = 0;//計數器
$handle = fopen($filename,'r+');//讀寫入模式開啟檔案，指標指向檔案起始位置
while($i < $count && !feof($handle)) {
fseek($handle, $start, SEEK_SET);//指標設定在檔案開頭
$current = fread($handle,$step);//讀取檔案
$content .= $current;//組合字元串
$start += $step;//依據步長向前移動
//依據分隔字元的長度截取字串最後免得幾個字元
$substrTag = substr($content, -$tagLen);
if ($substrTag == $tag) { //判斷是否為判斷是否是換行或其他分隔字元
$i++;
$content .= "<br />";
}
}
//關閉檔案
fclose($handle);
//返回結果
return $content;
}
$filename = "csdn.sql";//需要讀取的檔案
$tag = "\n";//行分隔字元 注意這裡必須用雙引號
$count = 100;//讀取行數
$data = readBigFile($filename,$count,$tag);
echo $data;

關於函數傳入的變數$tag的值，根據系統不一樣，傳入的值也是有區別的：Windows用”\r\n”，linux/unix用”\n”，Mac OS用”\r”。

程式執行的大概流程：先定義讀取檔案的一些基礎變數，然後開啟檔案，將指標定位在檔案的指定位置，並讀取指定大小的內容。每讀取一次將內容儲存在變數中，直到達到讀取要求的行數或檔案結束。

絕不要假定程式中的一切都將按計劃運行。

根據上面的代碼，雖然能夠得到檔案中指定位置、指定大小的資料，但這整個過程只執行了一次，並不能得到所有的資料。其實要得到所有的資料，可以在這個迴圈的外層再添加判斷檔案是否結束的迴圈，但這很浪費系統資源，甚至由於檔案過大一直沒法讀完而導致PHP執行逾時。另一種方法就是記錄並儲存上次讀取資料後指標所在的位置，然後再次執行該迴圈的時候，將指標定位在上次結束的位置，這樣就不存在一次迴圈要把檔案從頭讀到尾的情況。

其實CSDN這個資料庫我到現在都還沒有匯入資料庫，因為當時泄漏後沒幾天CNBETA上就有一個分析了，呵呵，動作太快了。當看到別人已經做了這個事之後，自動就沒有多少動力來做了，不過為了學習，還是要抽時間把這個事完成了。