Python 不读取整个文本文件

Posted 2023-03-07

【中文标题】Python 不读取整个文本文件

【英文标题】：Python Does Not Read Entire Text File

【发布时间】：2012-03-28 10:45:17

【问题描述】：

我遇到了一个问题，我没有看到任何人在 *** 上遇到过，甚至没有在谷歌上看到过。

我的主要目标是能够用另一个字符串替换文件中出现的字符串。有没有办法可以访问文件中的所有行。

问题是当我尝试读取一个大文本文件（1-2 gb）的文本时，python 只读取它的一个子集。

例如，我将执行一个非常简单的命令，例如：

newfile = open("newfile.txt","w")
f = open("filename.txt","r")
for line in f:
    replaced = line.replace("string1", "string2")
    newfile.write(replaced)

它只写入原始文件的前 382 mb。以前有人遇到过这个问题吗？

我尝试了几种不同的解决方案，例如使用：

import fileinput
for i, line in enumerate(fileinput.input("filename.txt", inplace=1)
   sys.stdout.write(line.replace("string1", "string2")

但它具有相同的效果。也不会分块读取文件，例如使用

f.read(10000)

我已将其范围缩小到很可能是读取问题而不是写入问题，因为它发生在简单地打印行时。我知道还有更多的行。当我在Vim等全文编辑器中打开时，我可以看到最后一行应该是什么，而不是python打印的最后一行。

任何人都可以提供任何建议或尝试吗？

我目前使用的是 32 位版本的 Windows XP，内存为 3.25 GB，运行 Python 2.7

*找到编辑解决方案（感谢 Lattyware）。使用迭代器

def read_in_chunks(file, chunk_size=1000): 
   while True: 
      data = file.read(chunk_size) 
      if not data: break 
      yield data

【问题讨论】：

使用迭代器逐行读取应该是一种惰性操作，因此无论文件大小如何，它都应该工作。虽然它不应该影响您的情况，但您还需要在打开文件时使用 with - 这是一个很好的做法，而不是在异常情况下正确处理关闭。

效果很好！非常感谢。 *编辑：我尝试在这里发布迭代器代码，但它不会格式化，所以我将它添加到原始帖子中。

您是否尝试过使用不同的大文本文件？文件 382mb 中有什么奇怪的地方 - 一些奇怪的字符被视为文件的结尾？

我有。起初我以为它可能是该文件，但我尝试使用来自各种来源的不同大小的文件。我试过的大的是 2.6 GB，我试过的最小的是 560 mb，但它们都停在 382 mb。

您的原始代码没有理由不工作。正如@Latty 所说，它也是“懒惰的”。您不需要编写自己的迭代器或分块读取。

【参考方案1】：

试试：

f = open("filename.txt", "rb")

在 Windows 上，rb 表示以二进制模式打开文件。根据文档，文本模式与二进制模式仅对行尾字符有影响。但是（如果我没记错的话）我相信在 Windows 上以文本模式打开文件也会使用 EOF（十六进制 1A）。

使用fileinput时也可以指定模式：

fileinput.input("filename.txt", inplace=1, mode="rb")

【讨论】：

这也行得通！我最喜欢这个解决方案，因为更改现有代码是多么容易。

如何“这也有效”？这显然是你的问题。还有什么其他方法也有效？啊，我在 cmets 中看到，指定要读取的字节长度，而不是使用“readline”

我遇到了完全相同的问题。效果很好！

【参考方案2】：

您确定问题出在阅读而不是写出吗？ 您是否关闭了写入的文件，或者明确地newfile.close() 或使用with 构造？

在某处进行缓冲时，不关闭输出文件通常是此类问题的根源。如果您的设置也是这种情况，那么关闭应该可以解决您的初始解决方案。

【参考方案3】：

如果你像这样使用文件：

with open("filename.txt") as f:
    for line in f:
        newfile.write(line.replace("string1", "string2"))

它一次只能读入一行，除非您在内存中保留对该行的引用。 在读取每一行之后，将由 pythons 垃圾收集器来处理它。试试这个，看看它是否适合你:)