如何从一个1G的文件中找到你所需要的东西,这个问题貌似面试的时候会经常问到。不过不论你用什么语言,肯定逃脱不了按指针读或者按块读。
这里介绍python的用法。本人亲自实验了,速度还可以。
如果你的文件还不是很大,那么最好的方式:
with open('log2.txt') as f: for line in f: print line.strip()
貌似这种方式是最快的,不过如果再大点的话,还是比较耗时
这里有个日志文件,请看格式:
现在我们想把开始时间为2015-07-18-18:58:00到2015-07-18-18:58:01这段时间的日志快速的筛选出来。
其实你只要理解文件指针的移动就很会很快有思路。
fp = open('log.txt')
fp.tell()文件指针的位置
fp.seek(0,os.SEEK_END) 文件结尾
fp.seek(0,os.SEEK_SET) 定位到文件开头
fp.seek(123,os.SEEK_SET) 定位到指针123的位置
fp.seek(0,os.SEEK_CUR) 当前指针的位置
下面是源代码:
#!/usr/bin/env python # -*- coding:utf-8 -*- # Author:Eric.yue import os,time def find_start_time(start_time,f,size): start_point = -1 seek_point = f.tell() #找到开始位置的指针 while seek_point < size: line = f.readline() if line.startswith(start_time): start_point = seek_point break seek_point = f.tell() return start_point def find_end_time(end_time,f, size): end_point = -1 seek_point = f.tell() while seek_point < size: line = f.readline() if line.startswith(end_time): end_point = seek_point print 'first end line pos:%s' % line break #指针移动一定要加上不然会出现死循环 seek_point = f.tell() #继续移动指针找到最后一次出现的时间位置 while seek_point < size: line = f.readline() if not line.startswith(end_time): end_point = seek_point print 'last end line pos:%s' % line break seek_point = f.tell() return end_point def read_file(start_point,end_point,fp): fp.seek(start_point, os.SEEK_SET) while fp.tell() < end_point: print fp.readline() if __name__ == '__main__': fp = open('./log','r') fp.seek(0,os.SEEK_END) #获取文件最后的位置 size = fp.tell() #重新定位到开头 fp.seek(0, os.SEEK_SET) s_time = time.time() #查找开始时间的位置 s_point = find_start_time('2015-07-18-18:58:00',fp,size) #查找结束时间的位置 e_point = find_end_time('2015-07-18-18:58:01', fp, size) #打印开始时间和结束时间的数据 read_file(s_point,e_point,fp) e_time = time.time() print 'spend time %s' % (e_time - s_time) fp.close()
OVER!