我有两个巨大的 json 文件(每个 20GB),我需要加入它们。这些文件包含以下内容:
file_1.json = [{"key": "value"}, {...}]
file_2.json = [{"key": "value"}, {...}]
然而,主要问题是我需要所有字典都在同一个列表中。我尝试在 python 中执行此操作,但不幸的是,我没有内存来执行此操作。
所以,我想也许我可以用unix命令来解决这个问题,方法是在第一个文件中将]
替换为,
(请注意,后面有一个空格逗号)并从第二个文件中删除 [
。然后,我将使用 cat
unix 命令连接这两个文件。
有没有办法让我在 unix 中只编辑最后 10 个字符?
我尝试使用 echo
和 tr
但语法可能有问题。
最佳答案
您可以非常轻松地追加到文件中,即在末尾添加字符,而无需重写已有的数据。使用正确的工具(截断
,如果您的系统有的话),您可以就地截断文件,即删除末尾的字符,而无需重写保留的数据。使用正确的工具(dd
,如果您喜欢冒险),您可以用相同长度的字符串替换文件的一部分,而无需重写未更改的部分。另一方面,您无法在不重写文件的情况下从文件的开头或中间删除字符(有一些与此处不相关的异常(exception)情况)。
但无论如何,重写这两个文件对您没有多大帮助。您至少需要重写第二个文件的内容以将其附加到第一个文件。
如果您不需要保留分割文件,则可以在处理中间标点符号后将第二个文件附加到第一个文件中。从第一个文件中删除最后一个 ]
字符,以及后面的所有空格和换行符。假设第一个文件以 ]
和换行符结尾,并且您有 GNU 核心实用程序(例如非嵌入式 Linux):
truncate -s -2 file_1.json
现在,您可以向第一个文件添加逗号和可选的换行符,并附加第二个文件中的数据(不包含第一个字符)。
echo , >>file_1.json
tail -c +2 file_2.json >>file_1.json
如果您想保持原始文件不被修改,您可以复制第一个文件并将其截断。或者您可以直接制作第一个文件的截断副本(仍然假设 GNU coreutils):
head -c -2 file_1.json >concatenated.json
echo , >>concatenated.json
tail -c +2 file_2.json >>concatenated.json
如果您更熟悉 Python,则可以在 Python 中完成所有这些操作。只是不要一次性读取整个文件,即不要调用 read()
或以一次性读取所有行的方式使用 readline()
。相反,一次读取并处理一行(如果行很短)或单个数据 block 。未经测试的代码:
with open('concatenated.json', 'wb') as out:
with open('file_1.json', 'rb') as inp:
buf = bytes(1024)
size = inp.seek(-len(buf), io.SEEK_END)
n = inp.readinto(buf)
m = re.search(rb']\s*\Z', buf)
stop_at = m.start()
inp.seek(0, io.SEEK_SET)
n = inp.readinto(buf)
total = n
while n > 0:
out.write(buf)
n = inp.readinto(buf)
total += n
if total > stop_at:
out.write(buf[:len(buf)-(total-stop_at)])
n = 0
out.write(b',')
with open('file_2.json', 'rb') as inp:
buf = bytes(1024)
n = inp.readinto(buf)
assert buf[0] == b'['
buf[0:1] = b'\n'
while n > 0:
out.write(buf)
n = inp.readinto(buf)
关于file - 如何在 Unix 中替换 40GB 文件中的两个字符?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/72068647/