本文介绍一种将一个大的文本文件分割成多个小文件的方法
方法一：
1.读取文章所有的行，并存入列表中
2.定义分割成的小文本的行数
3.将原文本内容按一定行数依次写入小文件中
4.此方法对较小的大文件比较适合
代码：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
|
#coding:utf-8
#将大文本文件分割成多个小文本文件
import os
sourceFileName = "test.log" #定义要分割的文件
def cutFile():
print("正在读取文件...")
sourceFileData = open(sourceFileName,'r',encoding='utf-8')
ListOfLine = sourceFileData.read().splitlines()#将读取的文件内容按行分割，然后存到一个列表中
n = len(ListOfLine)
print("文件共有"+str(n)+"行")
print("请输入需要将文件分割的个数:")
m = int(input("")) #定义分割的文件个数
p = n//m + 1
print("需要将文件分成"+str(m)+"个子文件")
print("每个文件最多有"+str(p)+"行")
print("开始进行分割···")
for i in range(m):
print("正在生成第"+str(i+1)+"个子文件")
destFileName = os.path.splitext(sourceFileName)[0]+"_part"+str(i)+".log" #定义分割后新生成的文件
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：
依次读取指定行数的数据，并写入新的文件中，对于较大文件，采用此方法
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
|
import os
#要分割的文件
source_file='track.log'
#定义每个子文件的行数
file_count=10000 #根据需要自定义
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: #跳过空行
buf.append(line)
#如果行数超过指定的数，且数据为一个完整的记录，则将buf写入到一个子文件中，并初始化buf
line_tag=line.strip()[0] #取每一行第一个字符，如果该行为空，会报错,故加上前面判断
if len(buf) >= count and line_tag == '*': #每一个新的记录数据是从*标识开始
buf = buf[:-1]
sub = mk_SubFile(buf,filename,sub) #将buf写入子文件中
buf = [line] #初始化下一个子文件的buf，第一行为*开头的
#最后一个文件，文件行数可能不足指定的数
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个子文件的行数
|
方法二中日志格式如下：
每一条完整的是记录是以*号开头，为了在子文件中不出现被截断的数据记录，因此需要确保每一个buf中是完整的记录，判断方法见代码
方法三：基于大小分割
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
|
# -*- coding: utf-8 -*-
#这种方法是按照大小分割文件，会存在同一行被分割在两个文件中的情况
import os
filename = "track.log"#需要进行分割的文件
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内容，希望对大家的学习有所帮助，也希望大家多多支持服务器之家。
原文链接：https://blog.csdn.net/d1240673769/article/details/77513091