Python读取大文本文件

Question

我试图逐行比较两个大文本文件（每个10GB）而不将整个文件加载到内存中。我使用了以下代码，如其他threads所示：

with open(in_file1,"r") as f1, open(in_file2,"r") as f2:
    for (line1, line2) in zip(f1, f2):
        compare(line1, line2)

但似乎python无法逐行读取文件。我观察到运行代码时的内存使用情况是＆gt; 20G。我也尝试过使用：

import fileinput
for (line1, line2) in zip(fileinput.input([in_file1]),fileinput.input([in_file2])):
    compare(line1, line2)

这个也尝试将所有内容加载到内存中。我在Centos 5.9上使用Python 2.7.4，并且我没有在代码中存储任何行。

我的代码出了什么问题？我应该如何更改它以避免将所有内容加载到RAM中？

Answer 1

Python的 zip 函数返回元组的列表。因此，如果获取完整文件来构建此列表。请改用 itertools.izip 。它将返回元组的迭代器。

with open(in_file1,"r") as f1, open(in_file2,"r") as f2:
    for (line1, line2) in izip(f1, f2):
        compare(line1, line2)