python實現大文本文件分割成多個小文件

本文介紹一種將一個大的文本文件分割成多個小文件的方法

方法一:

1.讀取文章所有的行,並存入列表中
2.定義分割成的小文本的行數
3.將原文本內容按一定行數依次寫入小文件中
4.此方法對較小的大文件比較適合

代碼:

#coding:utf-8
#將大文本文件分割成多個小文本文件
import os

sourceFileName = "test.log" #定義要分割的文件
def cutFile():
    print("正在讀取文件...")
    sourceFileData = open(sourceFileName,'r',encoding='utf-8')
    ListOfLine = sourceFileData.read().splitlines()#將讀取的文件內容按行分割,然後存到一個列表中
    n = len(ListOfLine)
    print("文件共有"+str(n)+"行")
    print("請輸入需要將文件分割的個數:")
    m = int(input("")) #定義分割的文件個數
    p = n//m + 1
    print("需要將文件分成"+str(m)+"個子文件")
    print("每個文件最多有"+str(p)+"行")
    print("開始進行分割···")
    for i in range(m):
        print("正在生成第"+str(i+1)+"個子文件")
        destFileName = os.path.splitext(sourceFileName)[0]+"_part"+str(i)+".log" #定義分割後新生成的文件
        destFileData = open(destFileName,"w",encoding='utf-8')
        if(i==m-1):
            for line in ListOfLine[i*p:]:
                destFileData.write(line+'\n')
        else:
            for line in ListOfLine[i*p:(i+1)*p]:
                destFileData.write(line+'\n')
        destFileData.close()
    print("分割完成")

cutFile()

方法二:

依次讀取指定行數的數據,並寫入新的文件中,對於較大文件,采用此方法

import os

#要分割的文件 
source_file='track.log'

#定義每個子文件的行數
file_count=10000 #根據需要自定義

def mk_SubFile(lines,srcName,sub):
    [des_filename, extname] = os.path.splitext(srcName)
    filename  = des_filename + '_' + str(sub) + extname
    print( '正在生成子文件: %s' %filename)
    with open(filename,'wb') as fout:
        fout.writelines(lines)
        return sub + 1


def split_By_LineCount(filename,count):
    with open(filename,'rb') as fin:
        buf = []
        sub = 1
        for line in fin:
            if len(line.strip())>0: #跳過空行
                buf.append(line)
                #如果行數超過指定的數,且數據為一個完整的記錄,則將buf寫入到一個子文件中,並初始化buf
                line_tag=line.strip()[0] #取每一行第一個字符,如果該行為空,會報錯,故加上前面判斷
                if len(buf) >= count and line_tag == '*': #每一個新的記錄數據是從*標識開始
                    buf = buf[:-1]
                    sub = mk_SubFile(buf,filename,sub) #將buf寫入子文件中
                    buf = [line] #初始化下一個子文件的buf,第一行為*開頭的
                
        #最後一個文件,文件行數可能不足指定的數
        if len(buf) != 0:
            sub = mk_SubFile(buf,filename,sub)
    print("ok")


if __name__ == '__main__':
    split_By_LineCount(source_file,file_count)#要分割的文件名和每個子文件的行數

方法二中日志格式如下:

每一條完整的是記錄是以*號開頭,為瞭在子文件中不出現被截斷的數據記錄,因此需要確保每一個buf中是完整的記錄,判斷方法見代碼

方法三:基於大小分割

# -*- coding: utf-8 -*-

#這種方法是按照大小分割文件,會存在同一行被分割在兩個文件中的情況

import os

filename = "track.log"#需要進行分割的文件
size = 10000000 #分割大小10M

def mk_SubFile(srcName,sub,buf):
    [des_filename, extname] = os.path.splitext(srcName)
    filename  = des_filename + '_' + str(sub) + extname
    print( '正在生成子文件: %s' %filename)
    with open(filename,'wb') as fout:
        fout.write(buf)
        return sub+1
            
            
def split_By_size(filename,size):
    with open(filename,'rb') as fin:
        buf = fin.read(size)
        sub = 1
        while len(buf)>0:
            sub = mk_SubFile(filename,sub,buf)
            buf = fin.read(size)  
    print("ok")
            

if __name__=="__main__":
    split_By_size(filename, size)

以上就是本文的全部內容,希望對大傢的學習有所幫助,也希望大傢多多支持WalkonNet。