python - 通过 FTP 逐行读取 CSV，而不将整个文件存储在内存/磁盘中

Question

我被困在ftplib.FTP.retrlines管道csv.reader...

FTP.retrlines重复调用其中包含一行的回调，同时csv.reader期望一个迭代器，该迭代器在每次__next__()调用其方法时返回一个字符串。

如何将这两件事结合在一起，以便我可以读取和处理文件，而无需提前读取整个文件并将其存储在 eg 中io.TextIOWrapper？

我的问题是FTP.retrlines在消耗整个文件之前不会返回...

Answer 1

我不确定是否没有更好的解决方案，但是您可以使用可迭代的类似队列的对象将FTP.retrlinesand粘合在一起。csv.reader由于这两个函数都是同步的，因此您必须在不同的线程上并行运行它们。

像这样的东西：

from queue import Queue
from ftplib import FTP
from threading import Thread
import csv
 
ftp = FTP(host)
ftp.login(username, password)

class LineQueue:
    _queue = Queue(10)

    def add(self, s):
        print(f"Queueing line {s}")
        self._queue.put(s)
        print(f"Queued line {s}")

    def done(self):
        print("Signaling Done")
        self._queue.put(False)
        print("Signaled Done")

    def __iter__(self):
        print("Reading lines")
        while True:
            print("Reading line")
            s = self._queue.get()
            if s == False:
                print("Read all lines")
                break

            print(f"Read line {s}")
            yield s

q = LineQueue()

def download():
    ftp.retrlines("RETR /path/data.csv", q.add)
    q.done()

thread = Thread(target=download)
thread.start()

print("Reading CSV")
for entry in csv.reader(q):
    print(entry)

print("Read CSV")

thread.join()

Answer 2

与Martin 的解决方案相同，只是直接保存了一些代码行子类化queue.Queue。

from queue import Queue
from ftplib import FTP
from threading import Thread
import csv
 
ftp = FTP(**ftp_credentials)

class LineQueue(Queue):
    def __iter__(self):
        while True:
            s = self.get()
            if s is None:
                break
            yield s

    def __call__(self):
        ftp.retrlines(f"RETR {fname}", self.put)
        self.put(None)

q = LineQueue(10)

thread = Thread(target=q)
thread.start()

for entry in csv.reader(q):
    print(entry)

thread.join()