如何在Python中逐行高效读取GB级别的超大文件

酷墨吖_9530

酷墨吖_9530

2026-10-21

513人浏览

原创

用open()配合for循环逐行迭代是最稳妥方式,因文件对象是迭代器,按需读取缓冲块并逐行yield,内存恒定;须指定encoding防UnicodeDecodeError,生产环境推荐with语句确保关闭。

如何在python中逐行高效读取gb级别的超大文件

用 open() 配合 for 循环是最稳妥的起点

Python 默认的文件迭代器在读取大文件时内存友好,它不会一次性把整个文件加载进内存,而是按需读取缓冲块并逐行 yield。只要你不调用 readlines() 或 read(),就不会爆内存。

  • ✅ 正确写法:for line in open('big.log', 'r', encoding='utf-8'):
  • ⚠️ 注意:必须显式指定 encoding,否则遇到二进制混杂或编码异常会直接抛 UnicodeDecodeError
  • ⚠️ 文件未关闭?虽然 CPython 通常能及时回收,但生产环境建议用 with 包裹

遇到 UnicodeDecodeError 怎么跳过坏字节

超大日志或爬虫 dump 文件常含非法字节(比如截断的 UTF-8 序列),默认 open() 会中断整个读取流程。不能靠 try/except 包裹整行循环——那太慢,且无法继续推进文件指针。

  • ✅ 推荐方案:用 errors='ignore' 或 errors='replace' 参数,例如:open('data.bin', 'r', encoding='utf-8', errors='ignore')
  • ❌ 不要用 errors='surrogateescape' 后再手动 decode —— 它保留原始字节但后续处理复杂,对纯文本解析无必要
  • ? 如果需定位损坏位置,可先用 rb 模式读 chunk,用 bytes.decode(errors='backslashreplace') 辅助调试

buffering=8192 会影响逐行读取速度吗

默认 buffering=-1 表示使用系统默认缓冲区(通常是 8KB),这对逐行读取已足够。手动设成 8192 不会提速,反而可能因过度切分导致频繁 syscalls;设太大(如 1024*1024)则可能卡住——因为 readline() 依赖换行符触发返回,缓冲区里没遇到 \n 就一直等。

Biopython
Biopython

全面的分子生物学工具集。适用于序列操作、文件解析(FASTA/GenBank/PDB)、系统发育分析,以及通过 Bio.Entrez 以编程方式访问 NCBI/

下载
  • ✅ 大多数场景保持默认即可
  • ⚠️ 只有在明确知道行极长(>1MB)、且磁盘 I/O 是瓶颈时,才考虑增大 buffering 并配合 io.BufferedReader + readline()
  • ? 验证方法:用 timeit 对比不同 buffering 下 10 万行的耗时,差异通常

需要解析 CSV 或 JSONL?别自己 split(',') 或 json.loads() 逐行硬刚

看似“逐行”处理,但如果每行是结构化数据,手写解析容易漏转义、嵌套、编码边界,还拖慢速度。标准库和成熟包做了大量优化。

  • ✅ CSV:用 csv.reader(f),它内部已适配流式读取,支持 quoting、escapechar 等,且不缓存整列
  • ✅ JSONL(每行一个 JSON):用 json.loads(line) 是安全的,但推荐 ijson.parse() 或 jsonstream 处理超长单行 JSON
  • ⚠️ 切忌:把整行 line.strip().split('|') 用于不定长字段或含分隔符内容——这会在 GB 文件中悄悄吃掉数据

真正卡住性能的往往不是 Python 解释器,而是磁盘随机寻址、字符编码回退、或某一行意外长达百 MB。先确保 open() 参数干净,再谈优化。

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!

相关文章

PHP速学视频免费教程(入门到精通)
PHP速学视频免费教程(入门到精通)

PHP怎么学习?PHP怎么入门?PHP在哪学?PHP怎么学才快?不用担心,这里为大家提供了PHP速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载

相关标签:

python for循环 python程序

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
python打包成可执行文件
python打包成可执行文件

本专题为大家带来python打包成可执行文件相关的文章,大家可以免费的下载体验。

2023.07.20

1951

4

python能做什么
python能做什么

python能做的有:可用于开发基于控制台的应用程序、多媒体部分开发、用于开发基于Web的应用程序、使用python处理数据、系统编程等等。本专题为大家提供python相关的各种文章、以及下载和课程。

2023.07.25

5504

7

format在python中的用法
format在python中的用法

Python中的format是一种字符串格式化方法,用于将变量或值插入到字符串中的占位符位置。通过format方法,我们可以动态地构建字符串,使其包含不同值。php中文网给大家带来了相关的教程以及文章,欢迎大家前来阅读学习。

2023.07.31

1889

3

python教程
python教程

Python已成为一门网红语言,即使是在非编程开发者当中,也掀起了一股学习的热潮。本专题为大家带来python教程的相关文章,大家可以免费体验学习。

2023.08.03

33557

23

python环境变量的配置
python环境变量的配置

Python是一种流行的编程语言,被广泛用于软件开发、数据分析和科学计算等领域。在安装Python之后,我们需要配置环境变量,以便在任何位置都能够访问Python的可执行文件。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

3947

5

python eval
python eval

eval函数是Python中一个非常强大的函数,它可以将字符串作为Python代码进行执行,实现动态编程的效果。然而,由于其潜在的安全风险和性能问题,需要谨慎使用。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

3947

5

scratch和python区别
scratch和python区别

scratch和python的区别:1、scratch是一种专为初学者设计的图形化编程语言,python是一种文本编程语言;2、scratch使用的是基于积木的编程语法,python采用更加传统的文本编程语法等等。本专题为大家提供scratch和python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

1283

5

python合并两个列表
python合并两个列表

Python是一种强大的编程语言,具有许多方便的功能和工具。在Python中,有多种方法可以合并两个列表。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.10

636

4

python是前端还是后端
python是前端还是后端

Python属于前端也属于后端,其灵活性和丰富的生态系统使得开发人员能够在不同的领域中灵活运用。本专题为大家提供python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

3063

5

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程