快捷導(dǎo)航

使用python讀寫txt和json(jsonl)大文件的方法步驟

更新時(shí)間：2023年12月14日 09:26:55 作者：又三郎丶

在Python中讀取txt和json(jsonl)大文件并保存到字典是一項(xiàng)非常常見的操作,這篇文章主要給大家介紹了關(guān)于使用python讀寫txt和json(jsonl)大文件的方法步驟,需要的朋友可以參考下

前言

在深度學(xué)習(xí)方向，尤其是NLP領(lǐng)域，最重要的就是和海量的文字打交道，不管是讀取原始數(shù)據(jù)還是處理數(shù)據(jù)亦或是最終寫數(shù)據(jù)，合理的讀寫文件是極為重要的，這篇博客用以記錄一下工作中學(xué)習(xí)到的對大文件讀寫的過程。

讀寫txt文本文件

最簡單也是最常見的就是讀寫txt文本文件

讀寫txt文件直接調(diào)用python內(nèi)部庫的open和write函數(shù)就基本可以了，比如中student.txt文件中：

張奇 18 計(jì)算機(jī)學(xué)院看書,打籃球,看電影
劉欣 19 計(jì)算機(jī)學(xué)院唱歌,健身
杜航 18 計(jì)算機(jī)學(xué)院動漫,看書
盛蓉 20 外國語學(xué)院唱歌,看書,美食
余杰 20 土木學(xué)院唱歌,運(yùn)動,游戲
王某 19 土木學(xué)院羽毛球,游戲
李某 20 外國語學(xué)院動漫,唱歌

其中分別為姓名，年齡，學(xué)院，興趣愛好，每類用一個(gè)制表符（\t）隔開，興趣愛好中間用英文逗號分隔開來，然后用open打開txt文件并將內(nèi)容讀取打印

file_txt = "student.txt"
with open(file_txt) as file:
    for line in file:
        name,age,department,hobby = line.strip().split("\t")
        print(name,age,department,hobby)

同樣，也可以用write函數(shù)寫到一個(gè)新的文件中去，過程中我們可以用幾個(gè)list先將數(shù)據(jù)存起來，也可以一邊讀一邊寫，但是一行行讀一行行寫小數(shù)據(jù)還好，當(dāng)文件過大時(shí)大量的文件io會話費(fèi)大量的時(shí)間，但是使用list全部存儲然后寫的話又會比較耗內(nèi)存，各有優(yōu)劣，看情況使用

使用list：

file_txt = "student.txt"
file_new_txt = "newstudent.txt"
stu = []
with open(file_txt) as file:
    for line in file:
        name,age,department,hobby = line.strip().split("\t")
        stu.append(name+"-"+age+"-"+department+"-"+hobby)
with open(file_new_txt,"a+") as file:
    for student in stu:
        file.write(student+"\n")

邊讀邊寫：

file_txt = "student.txt"
file_new_txt = "newstudent.txt"
with open(file_txt) as file:
    for line in file:
        name,age,department,hobby = line.strip().split("\t")
        with open(file_new_txt,"a+") as file_new:
            file_new.write(name+"-"+age+"-"+department+"-"+hobby+"\n")

txt文件是最常用的，但是也有其局限性，就是很難對文件中分隔開的內(nèi)容進(jìn)行標(biāo)注，比如，對每一行數(shù)據(jù)都標(biāo)明姓名：張奇，年齡：18這樣，這時(shí)就需要用到j(luò)son文件格式了

讀寫JSON文件

python中對json文件的讀寫需要導(dǎo)入json包，然后調(diào)用包內(nèi)函數(shù)就可以完成讀寫了

import json
file_txt_path = "student.txt"
file_json_path = "student.json"
with open(file_txt_path) as file:
    for line in file:
        name,age,department,hobby = line.strip().split("\t")
        hobby = hobby.split(",")
        data = {
                "姓名":name,
                "年齡":age,
                "學(xué)院":department,
                "愛好":hobby
            }
        with open(file_json_path,"a+") as file_json:
            file_json.write(json.dumps(data,ensure_ascii=False))
            file_json.write(","+"\n")

這樣就會獲得這樣一個(gè)json文件

但是這樣的json文件格式是有問題的，我們需要在前面和后面加個(gè)[]，并且把最后面那個(gè)","去掉

前后加[]倒是比較簡單，如何去掉最后一個(gè)","倒是比較頭疼，我暫時(shí)的思路是統(tǒng)計(jì)txt文件行數(shù)，在最后一行的時(shí)候就不寫入","了

我們調(diào)用wc來統(tǒng)計(jì)文件行數(shù):

import json
 
file_txt_path = "student.txt"
file_json_path = "student.json"
 
def _wc_count(file_name):
        """通過wc命令統(tǒng)計(jì)文件行數(shù)"""
        import subprocess
        out = subprocess.getoutput("wc -l %s" % file_name)
        return int(out.split()[0])
 
count = _wc_count(file_txt_path)
i = 0
 
with open(file_json_path,"a+") as file:
     file.write("["+"\n")
with open(file_txt_path) as file:
    for line in file:
        name,age,department,hobby = line.strip().split("\t")
        hobby = hobby.split(",")
        data = {
                "姓名":name,
                "年齡":age,
                "學(xué)院":department,
                "愛好":hobby
            }
        with open(file_json_path,"a+") as file_json:
            file_json.write(json.dumps(data,ensure_ascii=False))
            if(i < count):
                file_json.write(","+"\n")
            else:
                file_json.write("\n")
                file_json.write("]")
            i +=1

這樣寫入之后就變成了

這樣，將完成了json文件的寫入

json文件的讀會比較不太好用，因?yàn)樗菬o法一行行或者說一條條數(shù)據(jù)的讀的，只能一次性將所有內(nèi)容讀到內(nèi)存中，代碼如下：

import json
 
file_json_path = "student.json"
 
with open(file_json_path) as file:
    result = json.loads(file.read())
    #result是一個(gè)json對象
 
for stu in result:
    hobby = ",".join(stu["愛好"])
    print(stu["姓名"]+"\t"+stu["年齡"]+"\t"+stu["學(xué)院"]+"\t"+hobby)

但是上面也提到了，json文件只能一次性將所有內(nèi)容讀到內(nèi)存中然后進(jìn)行操作，當(dāng)文件很大的時(shí)候這樣說不合理的，尤其是現(xiàn)在的NLP領(lǐng)域，文件都有數(shù)十G甚至上百G，顯然內(nèi)存是不足以放下的，那么這樣，我們就要用到一個(gè)可以逐行讀取json對象的文件格式了

讀寫JSONL文件

jsonl文件的讀寫和json文件很相似，但是文件格式上有一絲絲的不同

圖中將}后面的","去掉就是一個(gè)完整的jsonl文件格式

所以，我們寫jsonl文件就十分方便了。代碼如下

import jsonlines
 
file_txt_path = "student.txt"
file_jsonl_path = "student.jsonl"
 
with open(file_txt_path) as file:
    for line in file:
        name,age,department,hobby = line.strip().split("\t")
        hobby = hobby.split(",")
        data = {
                "姓名":name,
                "年齡":age,
                "學(xué)院":department,
                "愛好":hobby
            }
        with jsonlines.open(file_jsonl_path,mode="a") as file_jsonl:
            file_jsonl.write(data)

然后就是jsonl的讀了，代碼如下：

import jsonlines
 
file_jsonl_path = "student.jsonl"
 
with open(file_jsonl_path) as file:
    for stu in jsonlines.Reader(file):
        hobby = ",".join(stu["愛好"])
        print(stu["姓名"]+"\t"+stu["年齡"]+"\t"+stu["學(xué)院"]+"\t"+hobby)

這樣，就可以實(shí)現(xiàn)一條條讀取json對象了

遇到的問題

上面這些可以滿足大部分對數(shù)據(jù)的讀寫了，但是我在工作中遇到了一個(gè)問題，就是json對象的刪除情況，在json文件中，可以直接調(diào)用del來刪除字段，但是中jsonl文件中，我無法刪除指定字段，只能用復(fù)寫新文件的方法來實(shí)現(xiàn)，翻閱了很久的資料都沒有找到相應(yīng)的方法，希望有大佬能在評論區(qū)指導(dǎo)一下