【问题标题】：What is the most efficient way to get first and last line of a text file?获取文本文件的第一行和最后一行的最有效方法是什么？
【发布时间】：2010-07-27 17:58:24
【问题描述】：

我有一个文本文件，每行都包含一个时间戳。我的目标是找到时间范围。所有的时间都是按顺序排列的，所以第一行是最早的时间，最后一行是最晚的时间。我只需要第一行和最后一行。在 python 中获取这些行的最有效方法是什么？

注意：这些文件的长度相对较大，每个大约 1-2 百万行，我必须为数百个文件执行此操作。

【问题讨论】：

标签： python file seek

【解决方案1】：

要读取文件的第一行和最后一行，您可以...

打开文件，...
...使用内置readline()读取第一行，...
...寻找（移动光标）到文件末尾，...
...后退一步，直到遇到EOL（换行符）和...
...从那里读取最后一行。

def readlastline(f):
    f.seek(-2, 2)              # Jump to the second last byte.
    while f.read(1) != b"\n":  # Until EOL is found ...
        f.seek(-2, 1)          # ... jump back, over the read byte plus one more.
    return f.read()            # Read all data from this point on.
    
with open(file, "rb") as f:
    first = f.readline()
    last = readlastline(f)

直接跳转到秒最后一个字节，防止尾随换行符导致返回空行*。

每次读取一个字节时，当前偏移量会前移一个，因此每次后退两个字节，经过最近读取的字节和下一个要读取的字节。

传递给fseek(offset, whence=0) 的whence 参数表明fseek 应该寻找相对于...的offset 字节位置

0 或 os.SEEK_SET = 文件的开头。
1 或 os.SEEK_CUR = 当前位置。
2 或 os.SEEK_END = 文件结尾。

* 正如大多数应用程序（包括print 和echo）所期望的那样，在写入的每一行都附加一个，并且对缺少尾随换行符的行没有影响。

效率

每个 1-2 百万行，我必须为数百个文件执行此操作。

我对该方法进行了计时，并将其与最佳答案进行了比较。

10k iterations processing a file of 6k lines totalling 200kB: 1.62s vs 6.92s.
100 iterations processing a file of 6k lines totalling 1.3GB: 8.93s vs 86.95.

数百万行会增加差异很多更多。

用于计时的准确代码：

with open(file, "rb") as f:
    first = f.readline()     # Read and store the first line.
    for last in f: pass      # Read all lines, keep final value.

修正

一个更复杂、更难阅读的变体，用于解决 cmets 和此后提出的问题。

解析空文件时返回空字符串，由comment引发。
在没有找到分隔符时返回所有内容，由comment 提出。
避免相对偏移以支持text mode，由comment 提出。
UTF16/UTF32 hack，由 comment 记录。

还增加了对多字节分隔符的支持，readlast(b'X<br>Y', b'<br>', fixed=False)。

请注意，由于文本模式下需要非相对偏移，因此对于大文件，这种变化真的很慢。根据您的需要进行修改，或者根本不使用它，因为您最好使用 f.readlines()[-1] 以文本模式打开文件。

#!/bin/python3

from os import SEEK_END

def readlast(f, sep, fixed=True):
    r"""Read the last segment from a file-like object.

    :param f: File to read last line from.
    :type  f: file-like object
    :param sep: Segment separator (delimiter).
    :type  sep: bytes, str
    :param fixed: Treat data in ``f`` as a chain of fixed size blocks.
    :type  fixed: bool
    :returns: Last line of file.
    :rtype: bytes, str
    """
    bs   = len(sep)
    step = bs if fixed else 1
    if not bs:
        raise ValueError("Zero-length separator.")
    try:
        o = f.seek(0, SEEK_END)
        o = f.seek(o-bs-step)    # - Ignore trailing delimiter 'sep'.
        while f.read(bs) != sep: # - Until reaching 'sep': Read sep-sized block
            o = f.seek(o-step)   #  and then seek to the block to read next.
    except (OSError,ValueError): # - Beginning of file reached.
        f.seek(0)
    return f.read()

def test_readlast():
    from io import BytesIO, StringIO
    
    # Text mode.
    f = StringIO("first\nlast\n")
    assert readlast(f, "\n") == "last\n"
    
    # Bytes.
    f = BytesIO(b'first|last')
    assert readlast(f, b'|') == b'last'
    
    # Bytes, UTF-8.
    f = BytesIO("X\nY\n".encode("utf-8"))
    assert readlast(f, b'\n').decode() == "Y\n"
    
    # Bytes, UTF-16.
    f = BytesIO("X\nY\n".encode("utf-16"))
    assert readlast(f, b'\n\x00').decode('utf-16') == "Y\n"
  
    # Bytes, UTF-32.
    f = BytesIO("X\nY\n".encode("utf-32"))
    assert readlast(f, b'\n\x00\x00\x00').decode('utf-32') == "Y\n"
    
    # Multichar delimiter.
    f = StringIO("X<br>Y")
    assert readlast(f, "<br>", fixed=False) == "Y"
    
    # Make sure you use the correct delimiters.
    seps = { 'utf8': b'\n', 'utf16': b'\n\x00', 'utf32': b'\n\x00\x00\x00' }
    assert "\n".encode('utf8' )     == seps['utf8']
    assert "\n".encode('utf16')[2:] == seps['utf16']
    assert "\n".encode('utf32')[4:] == seps['utf32']
    
    # Edge cases.
    edges = (
        # Text , Match
        (""    , ""  ), # Empty file, empty string.
        ("X"   , "X" ), # No delimiter, full content.
        ("\n"  , "\n"),
        ("\n\n", "\n"),
        # UTF16/32 encoded U+270A (b"\n\x00\n'\n\x00"/utf16)
        (b'\n\xe2\x9c\x8a\n'.decode(), b'\xe2\x9c\x8a\n'.decode()),
    )
    for txt, match in edges:
        for enc,sep in seps.items():
            assert readlast(BytesIO(txt.encode(enc)), sep).decode(enc) == match

if __name__ == "__main__":
    import sys
    for path in sys.argv[1:]:
        with open(path) as f:
            print(f.readline()    , end="")
            print(readlast(f,"\n"), end="")

【讨论】：

这是最简洁的方案，我喜欢。不猜测块大小的好处是它适用于小型测试文件。我添加了几行并将其包装在一个我喜欢称之为tail_n 的函数中。
我喜欢它在纸上，但不能让它发挥作用。 File "mapper1.2.2.py", line 17, in get_last_line f.seek(-2, 2) IOError: [Errno 22] Invalid argument
没关系，文件是空的，derp。无论如何最好的答案。 +1
根据this comment作为答案，这个while f.read(1) != "\n":应该是while f.read(1) != b"\n":
另外记录一下：如果你得到异常io.UnsupportedOperation: can't do nonzero end-relative seeks，你必须分两步完成：首先找到文件的长度，然后添加偏移量，然后将其传递给@987654360 @

【解决方案2】：

docs for io module

with open(fname, 'rb') as fh:
    first = next(fh).decode()

    fh.seek(-1024, 2)
    last = fh.readlines()[-1].decode()

这里的变量值为1024：它代表平均字符串长度。我仅选择 1024 为例。如果您估计了平均线长，您可以使用该值乘以 2。

由于您对行长的可能上限一无所知，因此显而易见的解决方案是遍历文件：

for line in fh:
    pass
last = line

您无需担心二进制标志，您可以使用 open(fname)。

ETA：由于您有很多文件要处理，您可以使用random.sample 创建一个包含几十个文件的示例，并在它们上运行此代码以确定最后一行的长度。位置偏移的先验值很大（比如说 1 MB）。这将帮助您估算完整运行的价值。

【讨论】：

只要行不超过 1024 个字符。
不保证行不超过1024个字符，除了行上的时间戳外，可能还有其他垃圾。
@pasbino：你有一些上限吗？
使用fh.seek(-1024, os.SEEK_END) 代替fh.seek(-1024, 2) 可提高可读性。
以下情况不正确：您无需担心二进制标志，您可以使用open(fname)。 使用b 标志打开是至关重要的。如果你使用open(fname) 而不是open(fname, 'rb') 你will get io.UnsupportedOperation: can't do nonzero end-relative seeks。

【解决方案3】：

这是 SilentGhost 答案的修改版本，可以满足您的需求。

with open(fname, 'rb') as fh:
    first = next(fh)
    offs = -100
    while True:
        fh.seek(offs, 2)
        lines = fh.readlines()
        if len(lines)>1:
            last = lines[-1]
            break
        offs *= 2
    print first
    print last

这里不需要行长的上限。

【讨论】：

【解决方案4】：

你可以使用unix命令吗？我认为使用head -1 和tail -n 1 可能是最有效的方法。或者，您可以使用简单的fid.readline() 来获取第一行和fid.readlines()[-1]，但这可能会占用太多内存。

【讨论】：

嗯，那么创建一个子进程来执行这些命令是最有效的方式吗？
如果你有 unix，那么os.popen("tail -n 1 %s" % filename).read() 可以很好地得到最后一行。
+1 表示头 -1 和尾 -1。 fid.readlines()[-1] 对于大文件不是一个好的解决方案。
os.popen("tail -n 1 %s" % filename).read() --> 2.6 版后已弃用

【解决方案5】：

这是我的解决方案，也兼容 Python3。它也管理边界案例，但缺少对 utf-16 的支持：

def tail(filepath):
    """
    @author Marco Sulla (marcosullaroma@gmail.com)
    @date May 31, 2016
    """

    try:
        filepath.is_file
        fp = str(filepath)
    except AttributeError:
        fp = filepath

    with open(fp, "rb") as f:
        size = os.stat(fp).st_size
        start_pos = 0 if size - 1 < 0 else size - 1

        if start_pos != 0:
            f.seek(start_pos)
            char = f.read(1)

            if char == b"\n":
                start_pos -= 1
                f.seek(start_pos)

            if start_pos == 0:
                f.seek(start_pos)
            else:
                char = ""

                for pos in range(start_pos, -1, -1):
                    f.seek(pos)

                    char = f.read(1)

                    if char == b"\n":
                        break

        return f.readline()

它的灵感来自Trasp's answer 和AnotherParker's comment。

【讨论】：

【解决方案6】：

首先以读取模式打开文件。然后使用 readlines() 方法逐行读取。所有行都存储在一个列表中。现在您可以使用列表切片来获取文件的第一行和最后一行。

    a=open('file.txt','rb')
    lines = a.readlines()
    if lines:
        first_line = lines[:1]
        last_line = lines[-1]

【讨论】：

我正在搜索这个，我不需要第一行和最后一行，所以 lines[1,-2] 给出了标题和页脚之间的文本。
此选项无法处理空文件。
超大文件崩溃

【解决方案7】：

w=open(file.txt, 'r')
print ('first line is : ',w.readline())
for line in w:  
    x= line
print ('last line is : ',x)
w.close()

for 循环遍历这些行，x 获取最后一次迭代的最后一行。

【讨论】：

这应该是公认的答案。我不知道为什么其他答案中的低级 io 都乱七八糟？
@GreenAsJade 我的理解是，“乱来”是为了避免从头到尾读取整个文件。这在大文件上可能效率低下。

【解决方案8】：

with open("myfile.txt") as f:
    lines = f.readlines()
    first_row = lines[0]
    print first_row
    last_row = lines[-1]
    print last_row

【讨论】：

您能解释一下为什么您的解决方案会更好吗？
嗨，我发现自己有同样的需要，删除文本文件中最后一行的最后一个逗号，这样我就很容易找到它；我当时想分享一下。这个方案一直简单实用，立竿见影，但不知道效率上是不是最快。你能告诉我什么？
好吧，它必须读取和处理整个文件，所以这似乎是效率最低的方式。
好的...所以，如果您不知道字符串长度，哪种方法最好？我需要尝试另一个（stackoverflow.com/a/3346492/2149425）。谢谢！
使用f.readlines()[-1] 代替新变量。 0 = 第一行，1 = 第二行，-1 = 最后一行, -2 = 最后一行之前的行...

【解决方案9】：

这是@Trasp 答案的扩展，它具有处理只有一行的文件的极端情况的附加逻辑。如果您反复想要读取持续更新的文件的最后一行，处理这种情况可能会很有用。如果没有这个，如果你试图抓取刚刚创建的文件的最后一行，并且只有一行，IOError: [Errno 22] Invalid argument 将被引发。

def tail(filepath):
    with open(filepath, "rb") as f:
        first = f.readline()      # Read the first line.
        f.seek(-2, 2)             # Jump to the second last byte.
        while f.read(1) != b"\n": # Until EOL is found...
            try:
                f.seek(-2, 1)     # ...jump back the read byte plus one more.
            except IOError:
                f.seek(-1, 1)
                if f.tell() == 0:
                    break
        last = f.readline()       # Read last line.
    return last

【讨论】：

【解决方案10】：

没有人提到使用 reversed：

f=open(file,"r")
r=reversed(f.readlines())
last_line_of_file = r.next()

【讨论】：

.readlines() 会一次性将文件中的所有行读入内存——这不是解决这个问题的方法

【解决方案11】：

获取第一行非常容易。对于最后一行，假设您知道行长的大致上限，os.lseek 与SEEK_END 的某个数量找到倒数第二行结束，然后找到readline() 最后一行。

【讨论】：

我没有行长的近似上限

【解决方案12】：

with open(filename, "rb") as f:#Needs to be in binary mode for the seek from the end to work
    first = f.readline()
    if f.read(1) == '':
        return first
    f.seek(-2, 2)  # Jump to the second last byte.
    while f.read(1) != b"\n":  # Until EOL is found...
        f.seek(-2, 1)  # ...jump back the read byte plus one more.
    last = f.readline()  # Read last line.
    return last

上述答案是上述答案的修改版本，用于处理文件中只有一行的情况

【讨论】：