如何有效地删除大文件的第一行？

Question

here 和 here 已经提出过这个问题，但没有一个解决方案适合我。

如何在 Python 3 中有效地从大文件中删除 first 行？

我正在编写一个需要记录的程序，并且日志文件具有可配置的最大大小，可以是无限的。因此，我不想使用readlines() 或类似的方法，因为这些方法会占用大量内存。速度不是一个大问题，但如果它可以在重写整个文件并且没有临时文件的情况下完成，那就太好了。

解决方案需要跨平台。

示例日志文件：

[09:14:56 07/04/17] [INFO] foo
[23:45:01 07/04/17] [WARN] bar
[13:45:28 08/04/17] [INFO] foobar
... many thousands more lines

输出：

[23:45:01 07/04/17] [WARN] bar
[13:45:28 08/04/17] [INFO] foobar
... many thousands more lines

这段代码将循环运行：

while os.path.getsize(LOGFILE) > MAXLOGSIZE:
    # remove first line of file

以下解决方案均无效且内存效率高：

解决方案 #1 - 有效但效率低

with open('file.txt', 'r') as fin:
    data = fin.read().splitlines(True)
with open('file.txt', 'w') as fout:
    fout.writelines(data[1:])

解决方案 #2 - 不起作用，文件为空

import shutil

source_file = open('file.txt', 'r')
source_file.readline()
target_file = open('file.txt', 'w')

shutil.copyfileobj(source_file, target_file)

解决方案 #3 - 有效，但使用额外的文件：

with open("file.txt",'r') as f:
    with open("new_file.txt",'w') as f1:
        f.next() # skip header line
        for line in f:
            f1.write(line)

Answer 1

所以，这种方法非常 hacky。如果您的线条尺寸大致相同且标准偏差较小，它将很好地工作。这个想法是将文件的某些部分读入一个足够小以提高内存效率但又足够大以使两端写入不会弄乱的缓冲区中（因为行的大小大致相同，差异很小，我们可以交叉我们的手指并祈祷它会起作用）。我们基本上跟踪我们在文件中的位置并来回跳转。我使用collections.deque 作为缓冲区，因为它在两端都有良好的append 性能，我们可以利用队列的先进先出特性：

from collections import deque
def efficient_dropfirst(f, dropfirst=1, buffersize=3):
    f.seek(0)
    buffer = deque()
    tail_pos = 0
    # these next two loops assume the file has many thousands of
    # lines so we can safely drop and buffer the first few...
    for _ in range(dropfirst):
        f.readline()
    for _ in range(buffersize):
        buffer.append(f.readline())
    line = f.readline()
    while line:
        buffer.append(line)
        head_pos = f.tell()
        f.seek(tail_pos)
        tail_pos += f.write(buffer.popleft())
        f.seek(head_pos)
        line = f.readline()
    f.seek(tail_pos)
    # finally, clear out the buffer:
    while buffer:
        f.write(buffer.popleft())
    f.truncate()

现在，让我们用一个表现良好的假冒文件来试试这个：

>>> s = """1. the quick
... 2. brown fox
... 3. jumped over
... 4. the lazy
... 5. black dog.
... 6. Old McDonald's
... 7. Had a farm
... 8. Eeyi Eeeyi Oh
... 9. And on this farm they had a
... 10. duck
... 11. eeeieeeiOH
... """

最后：

>>> import io
>>> with io.StringIO(s) as f: # we mock a file
...     efficient_dropfirst(f)
...     final = f.getvalue()
...
>>> print(final)
2. brown fox
3. jumped over
4. the lazy
5. black dog.
6. Old McDonald's
7. Had a farm
8. Eeyi Eeeyi Oh
9. And on this farm they had a
10. duck
11. eeeieeeiOH

如果dropfirst buffersize 稍微“松懈”，这应该可以解决。由于您只想删除第一行，因此请保留dropfirst=1，并且您可以制作buffersize=100 或其他内容以确保安全。它比阅读“数千行”的内存效率高得多，如果没有一行比前面的行大，你应该是安全的。但请注意，这是非常粗糙的边缘。

Answer 2

试试这个。它使用您提到的第三种方法，但不会创建新文件。

filePath = r"E:\try.txt"
file_str = ""
with open(filePath,'r') as f:
        f.next()  # skip header line
        for line in f:
            file_str = file_str + line

with open(filePath, "w") as f:
    f.write(file_str)