python标准库不提供“读一行删一行”的内置函数，但可通过外部进度文件记录已处理行号，实现断点续传式文件处理，避免频繁重写文件带来的性能与可靠性问题。
在实际开发中，尤其是处理日志、批量任务或数据导入场景时，常需确保程序意外中断（如断电、崩溃）后能从中断处继续执行，而非从头开始或丢失状态。直接“边读边删行”看似直观，但文件系统本身不支持随机删除某一行——因为文本文件是连续字节流，删除中间一行需重写其后的全部内容，开销大且非原子操作，极易因中断导致文件损坏。
因此，更稳健、专业的做法是分离“状态跟踪”与“数据存储”：保持原始文件只读不变，用独立的轻量级机制（如进度文件）持久化处理位置。以下是推荐实现方案：
Secure Python Code Sandbox
下载
安全 Python 代码沙箱：在隔离的沙箱中执行任意 Python 代码，预装 requests、NumPy、pandas 库。返回 stdout、stderr。
✅ 推荐方案：基于行号的断点续传处理
def process_file(filepath, progress_filepath):
# 1. 读取上次处理到的行号（默认为0）
try:
with open(progress_filepath, 'r') as pf:
last_processed = int(pf.read().strip())
except (FileNotFoundError, ValueError):
last_processed = 0
# 2. 逐行读取原文件（使用生成器避免内存爆炸）
with open(filepath, 'r', encoding='utf-8') as f:
for line_num, line in enumerate(f, start=1):
if line_num <h3>⚠️ 关键注意事项</h3>
- 不要用 readlines() 加载大文件到内存：示例中改用 for line in file 迭代器，内存占用恒定 O(1)，适用于 GB 级文件；
- 进度文件必须及时刷盘：调用 .flush() 强制落盘，配合 os.fsync() 可进一步提升可靠性（尤其在 Linux/macOS 上）；
- 考虑并发安全：若多进程/线程访问同一进度文件，需加锁（如 threading.Lock 或文件锁 portalocker）；
- 备份原始文件：生产环境建议先对源文件做快照或校验（如 hashlib.md5），防止误操作；
- 替代方案补充：对极高可靠性要求场景，可选用 SQLite 存储每行处理状态（含时间戳、结果、错误信息），比纯文本进度文件更健壮。
该方法兼顾简洁性、可维护性与鲁棒性，是 Python 文件批处理工程实践中的通用范式。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
