在Python中区分两个大文件

Question

我有两个大文本文件，每个文件大约2GB。我需要像diff f1.txt f2.txt这样的东西。有没有办法在python中快速完成这项任务？标准difflib太慢了。我假设有更快的方法，因为difflib完全用Python实现。

Answer 1

如何以脚本可以处理大文件的方式使用difflib？不要将文件加载到内存中，而是遍历文件的文件并以块的形式进行差异。例如，一次100行。

import difflib

d = difflib.Differ()

f1 = open('bigfile1')
f2 = open('bigfile2')

b1 = []
b2 = []

for n, lines in enumerate(zip(f1,f2)):
    if not (n % 100 == 0):
        b1.append(lines[0])
        b2.append(lines[1])
    else:
        diff = d.compare("".join(b1), "".join(b2))
        b1 = []
        b2 = []
        print ''.join(list(diff))

diff = d.compare("".join(b1), "".join(b2))
print ''.join(list(diff))
f1.close()
f2.close()