我有一个脚本来解压缩和解析包含在一堆非常大的bzip2压缩文件中的数据。由于可能需要一段时间,我想有一些方法来监视进度。我知道我可以用os.path.getsize()
获得文件大小,但是bz2.BZ2File.tell()
返回未压缩数据中的位置。有没有办法在未压缩文件中获取当前位置,以便我可以监视进度?如何在读取bzip2文件时获取内部位置
如果存在与Java的ProgressMonitorInputStream
等效的python,则可获得奖励积分。
我有一个脚本来解压缩和解析包含在一堆非常大的bzip2压缩文件中的数据。由于可能需要一段时间,我想有一些方法来监视进度。我知道我可以用os.path.getsize()
获得文件大小,但是bz2.BZ2File.tell()
返回未压缩数据中的位置。有没有办法在未压缩文件中获取当前位置,以便我可以监视进度?如何在读取bzip2文件时获取内部位置
如果存在与Java的ProgressMonitorInputStream
等效的python,则可获得奖励积分。
这是我想出的解决方案,似乎工作。
import bz2
class SimpleBZ2File(object):
def __init__(self,path,readsize=1024):
self.decomp = bz2.BZ2Decompressor()
self.rawinput = open(path,'rb')
self.eof = False
self.readsize = readsize
self.leftover = ''
def tell(self):
return self.rawinput.tell()
def __iter__(self):
while not self.eof:
rawdata = self.rawinput.read(self.readsize)
if rawdata == '':
self.eof = True
else:
data = self.decomp.decompress(rawdata)
if not data:
continue #we need to supply more raw to decompress
newlines = list(data.splitlines(True))
yield self.leftover + newlines[0]
self.leftover = ''
for l in newlines[1:-1]:
yield l
if newlines[-1].endswith('\n'):
yield newlines[-1]
else:
self.leftover = newlines[-1]
if self.leftover:
yield self.leftover
self.rawinput.close()
如果您只需要解析bziped文件中的数据,我认为应该可以避免在读取文件之前解压缩文件。我没有在bzip上测试过它,但在gziped文件上。我希望这对于bziped文件也是可能的。
我只对这些文件中的数据子集感兴趣,所以我不想完全解压缩它们。我在阅读这些文章时正在解析这些文章,并只输出了我所关心的部分。 – job 2013-03-23 02:21:40
好吧,我以为你不想解压缩你的文件,然后解析它。似乎你已经以正确的方式去做了。 – Dvx 2013-03-23 09:58:06