Leer eficientemente líneas específicas de un archivo es crucial para muchos programas en Python. El enfoque óptimo depende en gran medida del tamaño del archivo y de la frecuencia con la que se necesita acceder a esas líneas. Esta guía explora varios métodos, cada uno adaptado a diferentes escenarios.
Tabla de contenido
- Leer líneas específicas de archivos pequeños
- Accediendo eficientemente a líneas múltiples veces
- Manejo eficiente de archivos grandes
- Técnicas avanzadas para conjuntos de datos masivos
- Preguntas frecuentes
Leer líneas específicas de archivos pequeños
Para archivos pequeños que caben cómodamente en memoria, el método readlines() ofrece una solución simple. Este método lee todas las líneas en una lista, permitiendo el acceso directo mediante indexación.
def read_specific_lines_small_file(filepath, line_numbers):
"""Lee líneas específicas de un archivo pequeño.
Args:
filepath: Ruta al archivo.
line_numbers: Una lista de números de línea (índice basado en 0) que se leerán.
Returns:
Una lista de cadenas, que contiene las líneas solicitadas. Devuelve una lista vacía si no se encuentra el archivo.
"""
try:
with open(filepath, 'r') as file:
lines = file.readlines()
return [lines[i].strip() for i in line_numbers if 0 <= i < len(lines)]
except FileNotFoundError:
return []
filepath = "my_small_file.txt"
line_numbers_to_read = [0, 2, 4] # Leer líneas 1, 3 y 5 (índice basado en 0)
lines = read_specific_lines_small_file(filepath, line_numbers_to_read)
for line in lines:
print(line)
Si bien es sencillo, este enfoque se vuelve ineficiente para archivos más grandes.
Accediendo eficientemente a líneas múltiples veces
Si accede repetidamente a las mismas líneas, el módulo linecache proporciona ganancias de rendimiento significativas al almacenar en caché las líneas, minimizando la E/S del disco.
import linecache
def read_specific_lines_linecache(filepath, line_numbers):
"""Lee líneas específicas usando linecache (indexación basada en 1).
Args:
filepath: Ruta al archivo.
line_numbers: Una lista de números de línea (índice basado en 1) que se leerán.
Returns:
Una lista de cadenas, que contiene las líneas solicitadas. Devuelve una lista vacía si no se encuentra el archivo o las líneas están fuera de rango.
"""
lines = [linecache.getline(filepath, line_number).strip() for line_number in line_numbers if linecache.getline(filepath, line_number)]
return lines
filepath = "my_file.txt"
line_numbers_to_read = [1, 3, 5] # Leer líneas 1, 3 y 5 (índice basado en 1)
lines = read_specific_lines_linecache(filepath, line_numbers_to_read)
for line in lines:
print(line)
Tenga en cuenta que linecache utiliza indexación basada en 1.
Manejo eficiente de archivos grandes
Para archivos grandes, evite cargar todo en memoria. Itere línea por línea usando enumerate() para rastrear los números de línea.
def read_specific_lines_large_file(filepath, line_numbers):
"""Lee líneas específicas de un archivo grande de manera eficiente.
Args:
filepath: Ruta al archivo.
line_numbers: Una lista de números de línea (índice basado en 0) que se leerán.
Returns:
Una lista de cadenas, que contiene las líneas solicitadas. Devuelve una lista vacía si no se encuentra el archivo.
"""
try:
lines_to_return = []
with open(filepath, 'r') as file:
for i, line in enumerate(file):
if i in line_numbers:
lines_to_return.append(line.strip())
return lines_to_return
except FileNotFoundError:
return []
filepath = "my_large_file.txt"
line_numbers_to_read = [100, 500, 1000] # Leer líneas 101, 501 y 1001 (índice basado en 0)
lines = read_specific_lines_large_file(filepath, line_numbers_to_read)
for line in lines:
print(line)
Este método es eficiente en memoria para archivos grandes.
Técnicas avanzadas para conjuntos de datos masivos
Para archivos excepcionalmente grandes que superan la RAM disponible, considere archivos asignados en memoria o bibliotecas especializadas como dask o vaex, que están diseñadas para manejar conjuntos de datos que no caben en memoria.
Preguntas frecuentes
- P: ¿Qué sucede si un número de línea está fuera de rango? Los métodos proporcionados manejan con elegancia los números de línea fuera de rango simplemente omitiéndolos.
- P: ¿Puedo leer líneas basadas en una condición en lugar de un número de línea? Sí, reemplace la verificación del número de línea con una instrucción condicional (por ejemplo,
if "palabra clave" in line:).