1

我试图编写一个脚本来从 ftp 服务器访问 .csv.gz 文件,并将内容写入同一服务器上的 .csv 文件。只要文件小于 100mb,这种方法似乎就可以正常工作,但如果它失败,则会出现内存错误。我无法找到仅提取 .csv 文件的方法,因此它逐行读取文件内容(元组列表)并将其写入新文件。

有没有更有效的方法来做到这一点,甚至是直接从 .csv.gz 文件中提取 .csv 文件的方法?

def gz_unzipper():

    hostname = "servername"
    directory = "path"
    input_file = directory + "filename.csv.gz"
    output_file = directory + "filename.csv"
    ftp = FTP(hostname)
    ftp.login (username, password)
    ftp.cwd(directory)

    f = gzip.open(input_file, 'r')
    gz_content = f.read()

    lines=csv.reader(StringIO.StringIO(gz_content))

    output_file = open(output_file, 'w')

    for line in lines:
        line  = repr(line)[1:-1]
        line = line.replace("'","")
        line = line.replace(" ","")

        output_file.write(line + "\n") 

    output_file.close  
    f.close()
4

1 回答 1

2

现在您正在一次读取整个文件,这对于小文件来说很好,但(显然)如果您有大量数据会导致问题。由于您正在逐行处理文件,因此可以将内置 Python 迭代器用于文件/csvfiles。这些通常实现为惰性,这意味着它们仅在需要时才读取数据。

尝试这样的事情(对不起,未经测试):

with gzip.open(input_file, 'r') as fin, open(output_file,'w') as fout:
    csv_reader = csv.reader(fin)
    csv_writer = csv.writer(fout)
    csv_writer.writerows(csv_reader)
于 2011-12-15T22:10:03.017 回答