玩蛇网提供最新Python编程技术信息以及Python资源下载!
您现在的位置: 玩蛇网首页 > Python源码实例 > 正文内容

Python多进程读取文件操作方法详解

python读取文件的操作方法很便捷实用,本文的python源码利用Python多进程读取文件操作方法,是为读取超大的文本文件而编写的。代码中使用多了进程分块读取方式,将每一块单独输出成文件使用。

python 多进程读取文件

学习使用python都是为了在工作上能所帮助和提升自己的业务水平。多进程是很好的一种方法。

python基础部分有讲到过Python open()函数文件打开、读、写操作,虽然都是对文件的操作,但意义完全不同。

Python多进程读取文件操作方法源码如下:(仅供参考,如需使用请适当修改)

# -*- coding: GBK -*-

import urlparse
import datetime
import os
from multiprocessing import Process,Queue,Array,RLock


WORKERS = 4
BLOCKSIZE = 100000000
FILE_SIZE = 0

def getFilesize(file):
    """
        获取要读取文件的大小
    """
    global FILE_SIZE
    fstream = open(file,'r')
    fstream.seek(0,os.SEEK_END)
    FILE_SIZE = fstream.tell()
    fstream.close()

def process_found(pid,array,file,rlock):
    global FILE_SIZE
    global JOB
    global PREFIX
    """
        进程处理
        Args:
            pid:进程编号
            array:进程间共享队列,用于标记各进程所读的文件块结束位置
            file:所读文件名称
        各个进程先从array中获取当前最大的值为起始位置startpossition

        结束的位置
        endpossition (startpossition+BLOCKSIZE) if (startpossition+BLOCKSIZE)
        <FILE_SIZE else FILE_SIZE
        
        if startpossition==FILE_SIZE则进程结束
        if startpossition==0则从0开始读取

        if startpossition!=0
        为防止行被block截断的情况,先读一行不处理,从下一行开始正式处理

        if 当前位置 <=endpossition 就readline
        否则越过边界,就从新查找array中的最大值
    """
    fstream = open(file,'r')
    
    while True:
        rlock.acquire()
        print 'pid%s'%pid,','.join([str(v) for v in array])
        startpossition = max(array)            
        endpossition = array[pid] = (startpossition+BLOCKSIZE) if (startpossition+BLOCKSIZE)<FILE_SIZE else FILE_SIZE
        rlock.release()
        
        if startpossition == FILE_SIZE:#end of the file
            print 'pid%s end'%(pid)
            break
        elif startpossition !=0:
            fstream.seek(startpossition)
            fstream.readline()
        pos = ss = fstream.tell()

        ostream = open('/data/download/tmp_pid'+str(pid)+'_jobs'+str(endpossition),'w')

        while pos<endpossition:
            #处理line www.iplaypy.com
            line = fstream.readline()                        
            ostream.write(line)
            pos = fstream.tell()

        print 'pid:%s,startposition:%s,endposition:%s,pos:%s'%(pid,ss,pos,pos)
        ostream.flush()
        ostream.close()
        ee = fstream.tell()        

    fstream.close()

def main():
    global FILE_SIZE
    print datetime.datetime.now().strftime("%Y/%d/%m %H:%M:%S") 
    
    file = "/data/pds/download/scmcc_log/tmp_format_2011004.log"
    getFilesize(file)
    print FILE_SIZE
    
    rlock = RLock()
    array = Array('l',WORKERS,lock=rlock)
    threads=[]

    for i in range(WORKERS):
        p=Process(target=process_found, args=[i,array,file,rlock])
        threads.append(p)

    for i in range(WORKERS):
        threads[i].start()
    
    for i in range(WORKERS):
        threads[i].join()

    print datetime.datetime.now().strftime("%Y/%d/%m %H:%M:%S") 

if __name__ == '__main__':
    main()

python多进程处理数据之类的操作,是做为一个python专业工程师必会的基本知识。想要做一个好的资深python工程师要了解的内容还有很多。不妨看看北京高薪加期权招资深Python开发工程师,都需要什么样的条件吧。

玩蛇网文章,转载请注明出处和文章网址:http://www.iplaypy.com/code/c2464.html [复制]



我要小额赞助,鼓励作者写出更好的教程↓↓↓

玩蛇网Python QQ群,欢迎加入: ① 279974227 玩蛇网Python新手群
修订日期:2016年12月03日 - 20时23分56秒 发布自玩蛇网

我要分享到:
评论列表(网友评论仅供网友表达个人看法,并不表明本站同意其观点或证实其描述)

必知PYTHON教程 Must Know PYTHON Tutorials

必知PYTHON模块 Must Know PYTHON Modules