這篇文章主要介紹了如何利用Python快速統(tǒng)計(jì)文本的行數(shù)，要快速統(tǒng)計(jì)一個(gè)文本文件中的行數(shù)，其實(shí)就是要統(tǒng)計(jì)這個(gè)文本文件中換行符的個(gè)數(shù)，下面我們就一起進(jìn)入文章看看具體的操作過(guò)程吧

??通常我們會(huì)用wc -l來(lái)統(tǒng)計(jì)文件行數(shù)，不過(guò)用Python統(tǒng)計(jì)也很簡(jiǎn)單。

要快速統(tǒng)計(jì)一個(gè)文本文件中的行數(shù)，其實(shí)就是要統(tǒng)計(jì)這個(gè)文本文件中換行符的個(gè)數(shù)。為了盡量提高速度，我們需要盡量多讀一些文本然后一起處理。統(tǒng)計(jì)換行符的個(gè)數(shù)可以用bytes內(nèi)置的count方法。

代碼如下：

from __future__ import print_function
import time

if __name__ == '__main__':
    import sys
    start = time.time()
    with open(sys.argv[1],'rb') as f:
        count = 0
        last_data = '\n'
        while True:
            data = f.read(0x400000)
            if not data:
                break
            count += data.count(b'\n')
            last_data = data
        if last_data[-1:] != b'\n':
            count += 1 # Remove this if a wc-like count is needed
    end = time.time()
    print(count)
    print((end-start) * 1000)

上面的代碼中，我們將文件尾沒(méi)有換行符的不完整的部分也算作一行，這跟wc -l略有區(qū)別，如果要跟wc -l一致的話，可以將帶注釋的行刪掉。

這里沒(méi)有處理universal newline、忽略空行等邏輯，如果需要這些功能，程序會(huì)變得復(fù)雜一些。

使用三個(gè)文本文件進(jìn)行測(cè)試，分別有一千萬(wàn)行、一億六千萬(wàn)行、六億四千萬(wàn)行。先用wc -l運(yùn)行兩次，然后用Python的wc.py。

運(yùn)行結(jié)果：

[root@yz- test]# docker run -it --rm -v `pwd`:/opt/workspace python:3 bash -c "cd /opt/workspace && time wc -l text.txt && time wc -l text.txt && time python3 wc.py text.txt"
10000000 text.txt

real    0m0.086s
user    0m0.072s
sys     0m0.013s
10000000 text.txt

real    0m0.080s
user    0m0.060s
sys     0m0.019s
10000000
64.38159942626953

real    0m0.150s
user    0m0.100s
sys     0m0.033s
[root@yz- test]# docker run -it --rm -v `pwd`:/opt/workspace python:3 bash -c "cd /opt/workspace && time wc -l text3.txt && time wc -l text3.txt && time python3 wc.py text3.txt"
160000000 text3.txt

real    0m1.322s
user    0m0.991s
sys     0m0.318s
160000000 text3.txt

real    0m1.313s
user    0m0.966s
sys     0m0.341s
160000000
838.7012481689453

real    0m0.908s
user    0m0.595s
sys     0m0.297s
[root@yz- test]# docker run -it --rm -v `pwd`:/opt/workspace python:3 bash -c "cd /opt/workspace && time wc -l text4.txt && time wc -l text4.txt && time python3 wc.py text4.txt"
640000000 text4.txt

real    0m5.805s
user    0m4.349s
sys     0m1.455s
640000000 text4.txt

real    0m5.787s
user    0m4.342s
sys     0m1.445s
640000000
3323.5926628112793

real    0m3.399s
user    0m2.255s
sys     0m1.108s

可以看到Python實(shí)際上是比wc -l更快的，主要因?yàn)榧?code>Python的步驟很少，大部分時(shí)間都在read()，count()這樣的C實(shí)現(xiàn)的過(guò)程中。wc更慢的原因猜想可能是默認(rèn)的緩沖區(qū)更小，所以需要更多的read()

到此這篇關(guān)于如何利用Python快速統(tǒng)計(jì)文本的行數(shù)的文章就介紹到這了,更多相關(guān)Python快速統(tǒng)計(jì)文本的行數(shù)內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: