python - 改进Python代码读取文件

Question

我写了一个Python脚本来处理文本文件。输入是一个包含多行的文件。每行的开头有一个数字 (1, 2, 3..., n)。然后是一个空行，最后一行写有一些文本。

我需要通读这个文件来删除开头的一些行和结尾的一些行(比如第 1 到 5 行，然后是第 78 行到结尾)。我想将剩余的行写入一个新文件(在一个新目录中)，并对这些行上写入的第一个数字重新编号(在我的示例中，6 将变为 1、7 2 等)

我写了以下内容:

def treatFiles(oldFile,newFile,firstF, startF, lastF):

    % firstF is simply an index
    % startF corresponds to the first line I want to keep
    % lastF corresponds to the last line I want to keep
    numberFToDeleteBeginning = int(startF) - int(firstF)
    with open(oldFile) as old, open(newFile, 'w') as new:
        countLine = 0
        for line in old:
            countLine += 1
            if countLine <= numberFToDeleteBeginning:
                pass
            elif countLine > int(lastF) - int(firstF):
                pass
            elif line.split(',')[0] == '\n':
                newLineList = line.split(',')
                new.write(line)
            else:        
                newLineList = [str(countLine - numberFToDeleteBeginning)] + line.split(',')
                del newLineList[1]
                newLine = str(newLineList[0])
                for k in range(1, len(newLineList)):
                    newLine = newLine + ',' + str(newLineList[k])    
                new.write(newLine)


    if __name__ == '__main__':
      from sys import argv
      import os

      os.makedirs('treatedFiles')
      new = 'treatedFiles/' + argv[1]
      treatFiles(argv[1], argv[2], newFile, argv[3], argv[4], argv[5])

我的代码工作正常，但速度太慢(我有大约 10Gb 的文件需要处理，并且它已经运行了几个小时)。

有人知道我该如何改进吗？

Answer 1

我会去掉中间的for循环和昂贵的.split():

from itertools import islice

def treatFiles(old_file, new_file, index, start, end):
    with open(old_file, 'r') as old, open(new_file, 'w') as new:
        sliced_file = islice(old, start - index, end - index)

        for line_number, line in enumerate(sliced_file, start=1):
            number, rest = line.split(',', 1)

            if number == '\n':
                new.write(line)
            else:
                new.write(str(line_number) + ',' + rest)

此外，在将三个数字参数传递给函数之前将它们转换为整数:

treatFiles(argv[1], argv[2], newFile, int(argv[3]), int(argv[4]), int(argv[5]))