python大文件去重_python大ip文件排重

1 需求：

整理个IP列表，需要将IP去重下，统计一共多少来源

本来想直接shell命令解决，简单的 sort 管道 uniq 然后wc下

无奈文件太大，条数多，处理效率不堪

文件大概5G，几亿条数据吧

2 PLAN A 未遂

shell处理：#time sort ip | uniq | wc -l

然后没啥反应了。。。。其实是在处理中，最后被我ctrl c了

3 PLAN B

没办法写个简单的python，用列表的排重特性(需要注意文件读取的方法，不要将文件一次全部读取到内存。。。)：#! /usr/bin/env python

d={}

with open('ip', 'rb') as f:

for line in f:

d[line] = 'ip'

print len(d)time python read.py

然后就很快结束了：

4 结束

简单看下资源消耗情况：

优势还是挺明显的，以小见大吧，希望python可以帮助大家解决工作中的实际问题，不论大小。

python大文件去重_python大ip文件排重相关推荐

python怎么编辑文件夹_python创建修改文件
python中对文件.文件夹(文件操作函数)的操作需要涉及到os模块和shutil模块. 得到当前工作目录,即当前Python脚本工作的目录路径:os.getcwd() 返回指定目录下的所有文件和目录 ...
python 解析xml格式_Python解析XML文件
1.概述 Python有三种方法解析XML:SAX,DOM,以及ElementTree: 1.SAX (simple API for XML ) python 标准库包含SAX解析器,SAX用事件驱动 ...
python设置文件权限_PYTHON学习之文件操作；
PYTHON学习之文件操作: 文件内容替换 for line in flielinput.input("filepath",inplace=1): line = line.repa ...
python 批量下载依赖_python通过txt文件批量安装依赖包的实现步骤
python通过txt文件批量安装依赖包的实现步骤如果要用某个开源框架,需要安装多个依赖包可以如下操作: 如依赖文件形式如下(可以不要版本号): txt文件名为requirements.txt,内容 ...
python目录及文件操作_python路径及文件操作，10.22，10.27
csv 和ini文件处理作者: 一个小菜鸡 csv常见格式 nums options arguments 逗号分割值 comma-Separated Values CSV是一个被行 ...
python os读取文件内容_python基础之文件读写
python基础之文件读写本节内容 os模块中文件以及目录的一些方法文件的操作目录的操作 1.os模块中文件以及目录的一些方法 python操作文件以及目录可以使用os模块的一些方法如下: 得到 ...
python修改文件内容_python批量修改文件夹及其子文件夹下的文件内容
前言:前几天我看一位同学要修改很多文件中的数据,该文件数据很规律,一行只有三个数,需要将每行最后一个数字改为负数,但文件有上千个,分布在每个文件夹下面以及它的多级子文件夹下,看他用excel手动改数据 ...
python十行代码实现文件去重，去除重复文件的脚本
导入依赖 '''导入依赖'''from pathlib import Pathimport filecmp 函数说明 ''' filecmp.cmp(path1, path2, shallow=Tru ...
python文件分发_python 写一个文件分发小程序
一.概述该小程序实现从源端到目标端的文件一键拷贝,源端和目标段都在一台电脑上面,只是目录不同而已二.参数文件说明 1. settings.txt的说明 a. 通过配置settings.txt,填源 ...

python大文件去重_python大ip文件排重

python大文件去重_python大ip文件排重相关推荐

最新文章

热门文章