python读取大文件应采用流式读取避免内存溢出：逐行读取适用于文本文件，用for line in f；按字节块读取适合二进制文件，用f.read(size)；读取指定行范围可用itertools.islice；结构化数据推荐csv模块流式解析。
Python读取大文件不能一次性用read()或readlines()加载全部内容，否则容易内存溢出。核心思路是“流式读取”——按需分块读，边读边处理，保持内存占用稳定。
逐行读取（最常用）
适用于文本文件，尤其是日志、CSV、配置等按行组织的数据。Python的文件对象本身支持迭代，内存友好且代码简洁：
- 直接用
for line in f:，每轮只加载一行到内存 - 自动处理换行符，无需手动
strip()（但空行和末尾换行仍需注意） - 避免
f.readlines()，它会把所有行存成列表，失去流式优势
示例：
with open('huge.log', 'r', encoding='utf-8') as f:
for line in f:
if 'ERROR' in line:
print(line.rstrip()) # rstrip() 去掉换行符
按字节块读取（更底层、更灵活）
适合二进制文件（如视频、压缩包），或需要精细控制读取粒度的场景。用f.read(size)每次读固定字节数：
立即学习“Python免费学习笔记（深入）”；
-
size建议设为 8192 或 65536（即 8KB 或 64KB），兼顾效率与内存 - 返回字符串（文本模式）或
bytes（二进制模式），读完返回空字符串/空bytes - 需自行处理数据边界（比如一行被切在两块中），文本处理慎用
示例（读取大文本并统计字符数）：
count = 0
with open('big.txt', 'r', encoding='utf-8') as f:
while True:
chunk = f.read(8192)
if not chunk:
break
count += len(chunk)
print(f"总字符数：{count}")
使用itertools.islice读取指定行范围
当只需处理文件中间某一段（如第10000–10100行），不希望从头遍历时：
- 配合
islice(f, start, stop)跳过前start行，只取后续若干行 - 仍属流式——不加载无关行，内存无压力
- 适合分页分析、抽样调试
示例（读取第5001–5010行）：
from itertools import islice
<p>with open('data.csv', 'r', encoding='utf-8') as f:
for line in islice(f, 5000, 5010): # 注意：起始索引从0算，5000=第5001行
print(line.rstrip())
处理超大CSV或结构化数据
纯Python逐行split()易出错（如字段含逗号、换行）。推荐用csv模块流式解析：
-
csv.reader(f)或csv.DictReader(f)都支持文件对象迭代 - 内部按行解析，自动处理引号、转义，安全可靠
- 结合
islice或条件判断，可边读边过滤、聚合
示例（读取CSV中销售额＞10000的记录）：
import csv
<p>with open('sales.csv', 'r', encoding='utf-8') as f:
reader = csv.DictReader(f)
for row in reader:
if float(row.get('amount', 0)) > 10000:
print(row)
流式读取不是技巧堆砌，而是根据数据形态选对方式：文本优先逐行，二进制控块大小，结构化用专用模块，定位片段用切片。关键是让内存占用与文件大小脱钩。
