python实现大文本文件分割成多个小文件

本文介绍一种将一个大的文本文件分割成多个小文件的方法

方法一：

1.读取文章所有的行，并存入列表中
2.定义分割成的小文本的行数
3.将原文本内容按一定行数依次写入小文件中
4.此方法对较小的大文件比较适合

代码：

#coding:utf-8
#将大文本文件分割成多个小文本文件
import os

sourceFileName = "test.log" #定义要分割的文件
def cutFile():
   print("正在读取文件...")
   sourceFileData = open(sourceFileName,'r',encoding='utf-8')
   ListOfLine = sourceFileData.read().splitlines()#将读取的文件内容按行分割，然后存到一个列表中
   n = len(ListOfLine)
   print("文件共有"+str(n)+"行")
   print("请输入需要将文件分割的个数:")
   m = int(input("")) #定义分割的文件个数
   p = n//m + 1
   print("需要将文件分成"+str(m)+"个子文件")
   print("每个文件最多有"+str(p)+"行")
   print("开始进行分割···")
   for i in range(m):
       print("正在生成第"+str(i+1)+"个子文件")
       destFileName = os.path.splitext(sourceFileName)[0]+"_part"+str(i)+".log" #定义分割后新生成的文件
       destFileData = open(destFileName,"w",encoding='utf-8')
       if(i==m-1):
           for line in ListOfLine[i*p:]:
               destFileData.write(line+'\n')
       else:
           for line in ListOfLine[i*p:(i+1)*p]:
               destFileData.write(line+'\n')
       destFileData.close()
   print("分割完成")

cutFile()

方法二：

依次读取指定行数的数据，并写入新的文件中，对于较大文件，采用此方法

import os

#要分割的文件
source_file='track.log'

#定义每个子文件的行数
file_count=10000 #根据需要自定义

def mk_SubFile(lines,srcName,sub):
   [des_filename, extname] = os.path.splitext(srcName)
   filename  = des_filename + '_' + str(sub) + extname
   print( '正在生成子文件: ％s' ％filename)
   with open(filename,'wb') as fout:
       fout.writelines(lines)
       return sub + 1

def split_By_LineCount(filename,count):
   with open(filename,'rb') as fin:
       buf = []
       sub = 1
       for line in fin:
           if len(line.strip())>0: #跳过空行
               buf.append(line)
               #如果行数超过指定的数，且数据为一个完整的记录，则将buf写入到一个子文件中，并初始化buf
               line_tag=line.strip()[0] #取每一行第一个字符，如果该行为空，会报错,故加上前面判断
               if len(buf) >= count and line_tag == '*': #每一个新的记录数据是从*标识开始
                   buf = buf[:-1]
                   sub = mk_SubFile(buf,filename,sub) #将buf写入子文件中
                   buf = [line] #初始化下一个子文件的buf，第一行为*开头的

#最后一个文件，文件行数可能不足指定的数
       if len(buf) != 0:
           sub = mk_SubFile(buf,filename,sub)
   print("ok")

if __name__ == '__main__':
   split_By_LineCount(source_file,file_count)#要分割的文件名和每个子文件的行数

方法二中日志格式如下：

每一条完整的是记录是以*号开头，为了在子文件中不出现被截断的数据记录，因此需要确保每一个buf中是完整的记录，判断方法见代码

方法三：基于大小分割

# -*- coding: utf-8 -*-

#这种方法是按照大小分割文件，会存在同一行被分割在两个文件中的情况

import os

filename = "track.log"#需要进行分割的文件
size = 10000000 #分割大小10M

def mk_SubFile(srcName,sub,buf):
   [des_filename, extname] = os.path.splitext(srcName)
   filename  = des_filename + '_' + str(sub) + extname
   print( '正在生成子文件: ％s' ％filename)
   with open(filename,'wb') as fout:
       fout.write(buf)
       return sub+1

def split_By_size(filename,size):
   with open(filename,'rb') as fin:
       buf = fin.read(size)
       sub = 1
       while len(buf)>0:
           sub = mk_SubFile(filename,sub,buf)
           buf = fin.read(size)  
   print("ok")

if __name__=="__main__":
   split_By_size(filename, size)

来源：https://blog.csdn.net/d1240673769/article/details/77513091