gpt4 book ai didi

Python 脚本被无错误地杀死

转载 作者:太空宇宙 更新时间:2023-11-03 18:00:23 24 4
gpt4 key购买 nike

我正在运行一个脚本,该脚本下载其中包含 html 标签的 xls 文件并将其删除以创建一个干净的 csv 文件。

代码:

#!/usr/bin/env python

from bs4 import BeautifulSoup
from urllib2 import urlopen
import csv
import sys
#from pympler.asizeof import asizeof
from pympler import muppy
from pympler import summary

f = urlopen('http://localhost/Classes/sample.xls') #This is 75KB
#f = urlopen('http://supplier.com/xmlfeed/products.xls') #This is 75MB
soup = BeautifulSoup(f)
stable = soup.find('table')
print 'table found'
rows = []
for row in stable.find_all('tr'):
rows.append([val.text.encode('utf8') for val in row.find_all('th')])
rows.append([val.text.encode('utf8') for val in row.find_all('td')])

#print sys.getsizeof(rows)
#print asizeof(rows)

print 'row list created'
soup.decompose()
print 'soup decomposed'
f.close()
print 'file closed'

with open('output_file.csv', 'wb') as file:
writer = csv.writer(file)
print 'writer started'
#writer.writerow(headers)
writer.writerows(row for row in rows if row)

all_objects = muppy.get_objects()
sum1 = summary.summarize(all_objects)
summary.print_(sum1)

上面的代码对于 75KB 文件完美工作,但是对于 75MB 文件,进程被终止,没有任何错误。

我对 beautiful soup 和 python 很陌生,请帮我找出问题所在。该脚本在 3GB RAM 上运行。

小文件的输出是:

table found
row list created
soup decomposed
file closed
writer started
types | # objects | total size
===================================== | =========== | ============
dict | 5615 | 4.56 MB
str | 8457 | 713.23 KB
list | 3525 | 375.51 KB
<class 'bs4.element.NavigableString | 1810 | 335.76 KB
code | 1874 | 234.25 KB
<class 'bs4.element.Tag | 3097 | 193.56 KB
unicode | 3102 | 182.65 KB
type | 137 | 120.95 KB
wrapper_descriptor | 1060 | 82.81 KB
builtin_function_or_method | 718 | 50.48 KB
method_descriptor | 580 | 40.78 KB
weakref | 416 | 35.75 KB
set | 137 | 35.04 KB
tuple | 431 | 31.56 KB
<class 'abc.ABCMeta | 20 | 17.66 KB

我不明白什么是“dict”,75KB 文件需要更多内存。

谢谢,

最佳答案

如果没有实际的文件可供使用,很难说,但您可以做的是避免创建中间行列表并直接写入打开的 csv 文件。

此外,您还可以让 BeautifulSoup 使用 lxml.html在引擎盖下(应该安装lxml)。

改进的代码:

#!/usr/bin/env python

from urllib2 import urlopen
import csv

from bs4 import BeautifulSoup

f = urlopen('http://localhost/Classes/sample.xls')
soup = BeautifulSoup(f, 'lxml')

with open('output_file.csv', 'wb') as file:
writer = csv.writer(file)

for row in soup.select('table tr'):
writer.writerows(val.text.encode('utf8') for val in row.find_all('th') if val)
writer.writerows(val.text.encode('utf8') for val in row.find_all('td') if val)

soup.decompose()
f.close()

关于Python 脚本被无错误地杀死,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/27762196/

24 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com