Встречается на собеседованиях • сегодня

Как распарсить миллион файлов, в каждом из которых миллион строк

Для эффективного парсинга большого объема данных в Python используйте генераторы и ленивую загрузку, чтобы избежать перегрузки памяти. Вот пример с использованием glob и генераторов:

python
import glob

def parse_files(file_pattern):
    for file_path in glob.glob(file_pattern):
        with open(file_path, 'r') as f:
            for line in f:
                yield process_line(line)  # Обработка строки

def process_line(line):
# Ваша логика обработки строки
return line.strip()

Использование

data_generator = parse_files('data/*.txt')
for item in data_generator:
process_item(item)

text

Ключевые моменты:
- Используйте `glob` для итерации по файлам
- Читайте файлы построчно (`for line in f`)
- Обрабатывайте данные потоково через генераторы (`yield`)
- Для ускорения можно использовать `multiprocessing` или `concurrent.futures` для параллельной обработки файлов
- Для сложных форматов рассмотрите `pandas.read_csv(chunksize=)` или `dask`
Sophi
Софи собрала все вопросы. Тренируйся и получай
офферы быстрее!
Попробовать бесплатноArrow

Следующий вопрос

Это единственный вопрос по вашему фильтру

как отвечать на вопрос
пример собеседования
фреймворки на собеседовании
типичные вопросы junior
интервью вопросы и ответы