python - 在python中逐行迭代一个大的.xz文件

Question

我有一个大的 .xz 文件（几 GB）。它充满了纯文本。我想处理文本以创建自定义数据集。我想逐行阅读它，因为它太大了。有人知道怎么做吗？

我已经尝试过 如何在内存中打开和读取 LZMA 文件，但它不起作用。

编辑：我收到此错误“ascii”编解码器无法解码位置 0 的字节 0xfd：序数不在范围内（128）

for line in uncompressed:从链接上线

EDIT2：我的代码（使用 python 3.5）

with open(filename) as compressed:
    with lzma.LZMAFile(compressed) as uncompressed:
        for line in uncompressed:
            print(line)

Answer 1

几周前我也面临同样的问题。这个片段对我有用：

import lzma
with lzma.open('filename.xz', mode='rt') as file:
    for line in file:
       print(line)

这假设压缩文件中的文本数据以utf-8编码（我的数据就是这种情况）。函数中有一个encoding参数lzma.open()允许您在需要时设置另一种编码

encoding='utf-8'编辑（在您自己编辑之后）：尝试强制lmza.open()