如果直接對(duì)大文件對(duì)象調(diào)用 read() 方法，會(huì)導(dǎo)致不可預(yù)測(cè)的內(nèi)存占用。好的方法是利用固定長(zhǎng)度的緩沖區(qū)來(lái)不斷讀取文件內(nèi)容。即通過(guò)yield。

??? 在用Python讀一個(gè)兩個(gè)多G的txt文本時(shí)，天真的直接用readlines方法，結(jié)果一運(yùn)行內(nèi)存就崩了。

??? 還好同事點(diǎn)撥了下，用yield方法，測(cè)試了下果然毫無(wú)壓力。咎其原因，原來(lái)是readlines是把文本內(nèi)容全部放于內(nèi)存中，而yield則是類似于生成器。

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(diào)用實(shí)例：

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


          

例二：

目標(biāo) txt 文件大概有6G，想取出前面1000條數(shù)據(jù)保存于一個(gè)新的 txt 文件中做余下的操作，雖然不知道這樣做有沒(méi)有必要但還是先小數(shù)據(jù)量測(cè)試一下吧。參考這個(gè)帖子：我想把一個(gè)list列表保存到一個(gè)Txt文檔，該怎么保存 ，自己寫(xiě)了一個(gè)簡(jiǎn)單的小程序。
====================================================

            
import datetime
import pickle

start = datetime.datetime.now()
print "start--%s" % (start)

fileHandle = open ( 'train.txt' )
file2 = open('s_train.txt','w') 

i = 1
while ( i < 10000 ):
  a = fileHandle.readline()
  file2.write(''.join(a)) 
  i = i + 1

fileHandle.close() 
file2.close()

print "done--%s" % ( datetime.datetime.now() - start)

if __name__ == '__main__':
  pass


          

====================================================
pickle 這個(gè)庫(kù)大家說(shuō)的很多，官網(wǎng)看看，后面可以好好學(xué)習(xí)一下。