python - 如何在 Python 中存储 txt 文件中的前 N ​​个字符串？

Question

我想弄清楚如何从一个 txt 文件中获取前 N 个字符串，并将它们存储到一个数组中。现在，我有代码从一个 txt 文件中获取每个字符串，用空格分隔符分隔，并将其存储到一个数组中。但是，我希望只能从中获取前 N 个字符串，而不是每个字符串。这是我的代码(我是在命令提示符下执行的):

import sys
f = open(sys.argv[1], "r")
contents = f.read().split(' ')
f.close()

我确定我唯一需要修复的行是:

contents = f.read().split(' ')

我只是不确定如何在这里将它限制为 N 个字符串。

Answer 1

如果文件真的很大，但又不太大——也就是说，大到您不想读取整个文件(尤其是在文本模式下或作为行列表)，但又不会大到你不能将它分页到内存中(这意味着在 32 位操作系统上不到 2GB，但在 64 位操作系统上更多)，你可以这样做:

import itertools
import mmap
import re
import sys

n = 5

# Notice that we're opening in binary mode. We're going to do a
# bytes-based regex search. This is only valid if (a) the encoding
# is ASCII-compatible, and (b) the spaces are ASCII whitespace, not
# other Unicode whitespace.
with open(sys.argv[1], 'rb') as f:
    # map the whole file into memory--this won't actually read
    # more than a page or so beyond the last space
    m = mmap.mmap(f.fileno(), access=mmap.ACCESS_READ)

    # match and decode all space-separated words, but do it lazily...
    matches = re.finditer(r'(.*?)\s', m)
    bytestrings = (match.group(1) for match in matches)
    strings = (b.decode() for b in bytestrings)

    # ... so we can stop after 5 of them ...
    nstrings = itertools.islice(strings, n)

    # ... and turn that into a list of the first 5
    contents = list(nstrings)

显然，您可以将步骤组合在一起，如果需要，甚至可以将整个过程塞进一个巨大的单行文件中。 (一个惯用的版本将介于那个极端和这个极端之间。)