python - Python 读取大文本文件

Question

我试图逐行比较两个大文本文件（每个 10GB）而不将整个文件加载到内存中。我使用了其他线程中指示的以下代码：

with open(in_file1,"r") as f1, open(in_file2,"r") as f2:
    for (line1, line2) in zip(f1, f2):
        compare(line1, line2)

但似乎python无法逐行读取文件。我观察到运行代码时的内存使用量 > 20G。我也尝试过使用：

import fileinput
for (line1, line2) in zip(fileinput.input([in_file1]),fileinput.input([in_file2])):
    compare(line1, line2)

这个还尝试将所有内容加载到内存中。我在 Centos 5.9 上使用 Python 2.7.4，并且我没有在我的代码中存储任何行。

我的代码出了什么问题？我应该如何更改它以避免将所有内容加载到 RAM 中？

score 6 · Accepted Answer

Python 的zip函数返回一个元组列表。因此，如果获取完整文件来构建此列表。请改用itertools.izip。它将返回一个元组的迭代器。

with open(in_file1,"r") as f1, open(in_file2,"r") as f2:
    for (line1, line2) in izip(f1, f2):
        compare(line1, line2)

1 回答 1