百木园-与人分享,
就是让自己快乐。

Python3 反向按行读取大文件、日志read_reverse_bigfile

适用场景:

  反向读取大文件的需求,多半出于想要获取超大的日志文件最后几百行内容,小文件直接通过 lins = file.readlines()[-200:] 就可以直接得出了,

大文件readlines() 会将文件内容全部读取到内存,在GB大小情况下,内存不一定够,列表切片性能差。 生成器反向读取方式更合适。


反向读取大文件,主要依据:
  • file对象的seek()函数,偏移文件指针
  • re 模块finditer 搜寻文件行尾符,Match对象的end获取行尾符索引位置
  • yield 生成器 节省内存 

 性能验证: 

在windows10, RAM 16G,处理器 11th Gen Intel(R) Core(TM) i5-11400 @ 2.60GHz   2.59 GHz , python 3.7.11 下简单验证,

  1. 读取220M,722万行 文本文件,按行转为列表,read_reverse_bigfile 耗时大概3.8s,内存774MB, file对象readlines()函数,正序读取同样文件耗时大概1.1s,内存552MB。
  2. 取最后200行内容,read_reverse_bigfile 结果转列表,耗时大概0.8s,占用内存约12MB,file对象readlines()函数 ,列表切片,1.1s,内存约552MB。

 

 

import re


def read_reverse_bigfile(filepath, encoding=\'utf-8\', separator=b\'\\n\', single_size=1024 * 1024):
\"\"\"
:param filepath: 文件路径
:param encoding: 字符编码,默认utf-8
:param separator: 行尾分隔符,默认 \'\\n\'
:param single_size: 单次读取 字符量,默认 1024*1024
:return: generator
\"\"\"
with open(filepath, \'rb\') as f:
try:
f.seek(0, 2)
position = f.tell()
if position > single_size:
f.seek(-single_size, 2)
else:
f.seek(0, 0)
except OSError as e:
return \'Blank file\'
line = b\'\'
while 1:
chunk = f.read(single_size)
index_list = [match.end() for match in re.finditer(separator, chunk)]
index = None
while index_list:
target = index_list.pop()
if index is None:
line = chunk[target:] + line
else:
line = chunk[target:index] + line
if line:
yield line.decode(encoding=encoding)
line = b\'\'
index = target
else:
line = chunk[:index] + line
position = f.tell()
if position > 2 * single_size and single_size > 0:
f.seek(-2 * single_size, 1)
else:
f.seek(0, 0)
single_size = position - single_size
if single_size <= 0:
yield line.decode(encoding=encoding)
return \'End\'


if __name__ == \'__main__\':
import time
import os
import psutil
pid = os.getpid()
p = psutil.Process(pid)

start_time = time.time()
fp = r\'./test30.txt\'
rrb = list(read_reverse_bigfile(fp))
print(len(rrb))
print(f\'耗时0:{time.time() - start_time}\')
with open(fp, encoding=\'utf-8\') as f:
orl = f.readlines()
print(len(orl))
print(f\'耗时1:{time.time() - start_time}\')

info = p.memory_full_info().uss/(1024*1024)
print(f\'内存信息:{info}MB\')
 

 


来源:https://www.cnblogs.com/yougnen/p/16081877.html
本站部分图文来源于网络,如有侵权请联系删除。

未经允许不得转载:百木园 » Python3 反向按行读取大文件、日志read_reverse_bigfile

相关推荐

  • 暂无文章