Question

从文件中获取行数的方法之一是PowerShell中的此方法：

PS C:\Users\Pranav\Desktop\PS_Test_Scripts> $a=Get-Content .\sub.ps1
PS C:\Users\Pranav\Desktop\PS_Test_Scripts> $a.count
34
PS C:\Users\Pranav\Desktop\PS_Test_Scripts>

但是，当我有一个800 MB的大文本文件时，如何在不读取整个文件的情况下从中获取行号？

上述方法会消耗太多内存，导致脚本崩溃或完成时间过长。

Answer 1

使用Get-Content -Read $nLinesAtTime逐个阅读您的文件：

$nlines = 0;

# Read file by 1000 lines at a time
gc $YOURFILE -read 1000 | % { $nlines += $_.Length };
[string]::Format("{0} has {1} lines", $YOURFILE, $nlines)

这里很简单，但是在一个小文件上验证工作的脚本很慢：

gc $YOURFILE | Measure-Object -Line

Answer 2

这是一个我拼凑在一起的PowerShell脚本，它演示了一些计算文本文件中行的不同方法，以及每种方法所需的时间和内存。结果（如下）显示了时间和内存要求的明显差异。对于我的测试，使用ReadCount设置为100，看起来好点是Get-Content。其他测试需要更多的时间和/或内存使用。

#$testFile = 'C:\test_small.csv' # 245 lines, 150 KB
#$testFile = 'C:\test_medium.csv' # 95,365 lines, 104 MB
$testFile = 'C:\test_large.csv' # 285,776 lines, 308 MB

# Using ArrayList just because they are faster than Powershell arrays, for some operations with large arrays.
$results = New-Object System.Collections.ArrayList

function AddResult {
param( [string] $sMethod, [string] $iCount )
    $result = New-Object -TypeName PSObject -Property @{
        "Method" = $sMethod
        "Count" = $iCount
        "Elapsed Time" = ((Get-Date) - $dtStart)
        "Memory Total" = [System.Math]::Round((GetMemoryUsage)/1mb, 1)
        "Memory Delta" = [System.Math]::Round(((GetMemoryUsage) - $dMemStart)/1mb, 1)
    }
    [void]$results.Add($result)
    Write-Output "$sMethod : $count"
    [System.GC]::Collect()
}

function GetMemoryUsage {
    # return ((Get-Process -Id $pid).PrivateMemorySize)
    return ([System.GC]::GetTotalMemory($false))
}

# Get-Content -ReadCount 1
[System.GC]::Collect()
$dMemStart = GetMemoryUsage
$dtStart = Get-Date
$count = 0
Get-Content -Path $testFile -ReadCount 1 |% { $count++ }
AddResult "Get-Content -ReadCount 1" $count

# Get-Content -ReadCount 10,100,1000,0
# Note: ReadCount = 1 returns a string.  Any other value returns an array of strings.
# Thus, the Count property only applies when ReadCount is not 1.
@(10,100,1000,0) |% {
    $dMemStart = GetMemoryUsage
    $dtStart = Get-Date
    $count = 0
    Get-Content -Path $testFile -ReadCount $_ |% { $count += $_.Count }
    AddResult "Get-Content -ReadCount $_" $count
}

# Get-Content | Measure-Object
$dMemStart = GetMemoryUsage
$dtStart = Get-Date
$count = (Get-Content -Path $testFile -ReadCount 1 | Measure-Object -line).Lines
AddResult "Get-Content -ReadCount 1 | Measure-Object" $count

# Get-Content.Count
$dMemStart = GetMemoryUsage
$dtStart = Get-Date
$count = (Get-Content -Path $testFile -ReadCount 1).Count
AddResult "Get-Content.Count" $count

# StreamReader.ReadLine
$dMemStart = GetMemoryUsage
$dtStart = Get-Date
$count = 0
# Use this constructor to avoid file access errors, like Get-Content does.
$stream = New-Object -TypeName System.IO.FileStream(
    $testFile,
    [System.IO.FileMode]::Open,
    [System.IO.FileAccess]::Read,
    [System.IO.FileShare]::ReadWrite)
if ($stream) {
    $reader = New-Object IO.StreamReader $stream
    if ($reader) {
        while(-not ($reader.EndOfStream)) { [void]$reader.ReadLine(); $count++ }
        $reader.Close()
    }
    $stream.Close()
}

AddResult "StreamReader.ReadLine" $count

$results | Select Method, Count, "Elapsed Time", "Memory Total", "Memory Delta" | ft -auto | Write-Output

以下是包含~95k行，104 MB：

的文本文件的结果

Method                                    Count Elapsed Time     Memory Total Memory Delta
------                                    ----- ------------     ------------ ------------
Get-Content -ReadCount 1                  95365 00:00:11.1451841         45.8          0.2
Get-Content -ReadCount 10                 95365 00:00:02.9015023         47.3          1.7
Get-Content -ReadCount 100                95365 00:00:01.4522507         59.9         14.3
Get-Content -ReadCount 1000               95365 00:00:01.1539634         75.4         29.7
Get-Content -ReadCount 0                  95365 00:00:01.3888746          346        300.4
Get-Content -ReadCount 1 | Measure-Object 95365 00:00:08.6867159         46.2          0.6
Get-Content.Count                         95365 00:00:03.0574433        465.8        420.1
StreamReader.ReadLine                     95365 00:00:02.5740262         46.2          0.6

以下是较大文件的结果（包含~285k行，308 MB）：

Method                                    Count  Elapsed Time     Memory Total Memory Delta
------                                    -----  ------------     ------------ ------------
Get-Content -ReadCount 1                  285776 00:00:36.2280995         46.3          0.8
Get-Content -ReadCount 10                 285776 00:00:06.3486006         46.3          0.7
Get-Content -ReadCount 100                285776 00:00:03.1590055         55.1          9.5
Get-Content -ReadCount 1000               285776 00:00:02.8381262         88.1         42.4
Get-Content -ReadCount 0                  285776 00:00:29.4240734        894.5        848.8
Get-Content -ReadCount 1 | Measure-Object 285776 00:00:32.7905971         46.5          0.9
Get-Content.Count                         285776 00:00:28.4504388       1219.8       1174.2
StreamReader.ReadLine                     285776 00:00:20.4495721           46          0.4

Answer 3

这是一个基于Pseudothink的帖子的单行。

一个特定文件中的行：

"the_name_of_your_file.txt" |% {$n = $_; $c = 0; Get-Content -Path $_ -ReadCount 1000 |% { $c += $_.Count }; "$n; $c"}

当前目录中的所有文件（单独）：

Get-ChildItem "." |% {$n = $_; $c = 0; Get-Content -Path $_ -ReadCount 1000 |% { $c += $_.Count }; "$n; $c"}

<强>解释

"the_name_of_your_file.txt" - ＆gt;什么也不做，只提供后续步骤的文件名，需要双引号 |% - ＆gt;别名ForEach-Object，迭代提供的项目（在这种情况下只有一个），接受管道内容作为输入，当前项目保存到$_
$n = $_ - ＆gt; $ n作为所提供文件的名称保存以供稍后$_，实际上可能不需要
$c = 0 - ＆gt;初始化$c作为计数
Get-Content -Path $_ -ReadCount 1000 - ＆gt;从文件中读取1000行（见线程的其他答案）
|% - ＆gt; foreach确实将实际读取的行数添加到$c（将像1000 + 1000 + 123） "$n; $c" - ＆gt;一旦读完文件，打印文件名;行数
Get-ChildItem "." - ＆gt;只是添加了比单个文件名更多的项目

Answer 4

要尝试的第一件事是流Get-Content并一次构建一个行计数，而不是一次将所有行存储在数组中。我认为这会给出正确的流行为 - 即整个文件不会立即存在于内存中，只是当前行。

$lines = 0
Get-Content .\File.txt |%{ $lines++ }

正如另一个答案所示，添加-ReadCount可以加快速度。

如果这对您不起作用（内存太慢或太多），您可以直接转到StreamReader：

$count = 0
$reader = New-Object IO.StreamReader 'c:\logs\MyLog.txt'
while($reader.ReadLine() -ne $null){ $count++ }
$reader.Close()  # Don't forget to do this. Ideally put this in a try/finally block to make sure it happens.

Answer 5

这是另一个使用.NET的解决方案：

[Linq.Enumerable]::Count([System.IO.File]::ReadLines("FileToCount.txt"))

它不是很容易被打断，但是在内存上却很容易。

Answer 6

在解析我的txt文件中的空白区域时，我写了一些尝试减少内存使用量的内容。话虽如此，内存使用率仍然很高，但这个过程花费的时间更少。

为了给你一些我文件的背景信息，该文件有超过2百万条记录，并且在每行的前后都有前导空格。我相信总时间是5分钟以上。

$testing = 'C:\Users\something\something\test3.txt'

$filecleanup =  Get-ChildItem $testing

foreach ($file in $filecleanup)
{ 
    $file1 = Get-Content $file -readcount 1000 | foreach{$_.Trim()}
    $file1 > $filecleanup
}

Answer 7

对于我的一些大文件（GB +）， SWITCH 在内存上更快，更容易。

注意：以下时间以分钟：秒为单位。测试是在一个14,564,836行的文件中进行的，每行906个字符。

1:27 SWITCH
$count = 0; switch -File $filepath { default { ++$count } }

1:39 IO.StreamReader
$reader = New-Object IO.StreamReader $filepath
while($reader.ReadLine() -ne $null){ $count++ }

1:42 Linq
$count = [Linq.Enumerable]::Count([System.IO.File]::ReadLines($filepath))

1:46 Get-Content based
$filepath |% {$file_line_count = 0; Get-Content -Path $_ -ReadCount 1000 |% { $file_line_count += $_.Count }}

如果您发现对最快的方法或其他方法进行了优化，请分享。

Answer 8

MS DOS命令FIND： $fileName = 'C:\dirname\filename.txt'
CMD /C ('find /v /c "" "' + $fileName + '"')
在docs上可以找到find命令的其他变化形式。

PowerShell获取大（大）文件的行数

8 个答案: