python多线程统计大文件字数并对返回值进行计算

# _*_coding:utf-8_*_
import time
import threading
import configparser
import os
from datetime import datetime
 
 
class MyThread(threading.Thread):
 
    def __init__(self, func, args=()):
        super(MyThread, self).__init__()
        self.func = func
        self.args = args
        self.result = None
 
    def run(self):
        self.result = self.func(*self.args)
 
    def get_result(self):
        try:
            return self.result
        except Exception as e:
            return None
 
 
def word_count(file, start, size):
    # print("移动的大小", size)
    words = {}
    # 分段时以 rb 形式打开，所以这里也要以rb打开，否则数据不对
    with open(file, 'rb') as fd:
        fd.seek(start, 0)
        # print("移动前位置", k)
        lines = fd.read(size)
        # 把 byte 转换成 string 指定编码格式
        lines = str(lines, encoding='gbk')
        for l in lines:
            for w in l:
                if w not in words:
                    words[w] = 1
                else:
                    words[w] += 1
        fd.close()
    return words
 
 
"""
tell():返回文件读取指针的位置
seek()的三种模式：（如果offset的值非零的时候，一定要以 b 的方式打开，否则则抛出 io.UnsupportedOperation 错误）
    （1）f.seek(p,0)  移动当文件第p个字节处，绝对位置
    （2）f.seek(p,1)  移动到相对于当前位置之后的p个字节
    （3）f.seek(p,2)  移动到相对文章尾之后的p个字节
"""
 
 
def chunk_file(file, size=1024*1024*20):
    if not os.path.exists(file):
        exit("File not exists")
    else:
        size_count = os.path.getsize(file)
        with open(file, 'rb') as f:
            end = 0
            while True:
                start = end
                f.seek(size, 1)
                end = f.tell()
                yield start, end - start
                if end >= size_count:
                    break
            f.close()
 
 
if __name__ == '__main__':
    '''
    读取配置文件
    '''
    config = configparser.ConfigParser()
    config.read('conf.ini')
    # 文件名
    file_name = config.get('info', 'fileName')
    # 线程数量
    thread_num = int(config.get('info', 'threadNum'))
    # 起始时间
    start_time = datetime.now()
    t = []
    for start, size in chunk_file(file_name):
        th = MyThread(word_count, args=(file_name, start, size,))
        t.append(th)
        th.start()
        th.join()
    results = {}
    for k in t:
        k.join()
        result = k.get_result()
        for i, v in result.items():
            if i in results:
                results[i] += v
            else:
                results[i] = v
    print(results)
    end_time = datetime.now()
    print(end_time - start_time)

 conf.ini

[info]
fileName=D:\files\projects\test\word_deal\result.txt
threadNum=5

 

结论：

测试 result.txt 文件410M ，电脑配置4核8G内存，消耗时间：92s

如果你也测试了，请在下方让我知道你的测试结果