PowerShell получить количество строк большого (большого) файла

Один из способов получить количество строк из файла - это метод в PowerShell:

PS C:\Users\Pranav\Desktop\PS_Test_Scripts> $a=Get-Content .\sub.ps1
PS C:\Users\Pranav\Desktop\PS_Test_Scripts> $a.count
34
PS C:\Users\Pranav\Desktop\PS_Test_Scripts>

Однако, когда у меня большой текстовый файл размером 800 МБ, как получить из него номер строки, не читая весь файл?

Приведенный выше метод потребляет слишком много оперативной памяти, что приводит к сбою сценария или занимает слишком много времени для его завершения.

ОТВЕТЫ

Ответ 1

Используйте Get-Content -Read $nLinesAtTime для чтения вашего файла по Get-Content -Read $nLinesAtTime:

$nlines = 0;

# Read file by 1000 lines at a time
gc $YOURFILE -read 1000 | % { $nlines += $_.Length };
[string]::Format("{0} has {1} lines", $YOURFILE, $nlines)

А вот простой, но медленный скрипт для проверки работы над небольшим файлом:

gc $YOURFILE | Measure-Object -Line

Ответ 2

Вот сценарий PowerShell, который я собрал вместе, который демонстрирует несколько различных методов подсчета строк в текстовом файле, а также время и память, необходимые для каждого метода. Результаты (ниже) показывают четкие различия во времени и требованиях к памяти. Для моих тестов, похоже, что лучше всего было использовать Get-Content, используя настройку ReadCount, равную 100. Другие тесты требовали значительно большего времени и/или использования памяти.

#$testFile = 'C:\test_small.csv' # 245 lines, 150 KB
#$testFile = 'C:\test_medium.csv' # 95,365 lines, 104 MB
$testFile = 'C:\test_large.csv' # 285,776 lines, 308 MB

# Using ArrayList just because they are faster than Powershell arrays, for some operations with large arrays.
$results = New-Object System.Collections.ArrayList

function AddResult {
param( [string] $sMethod, [string] $iCount )
    $result = New-Object -TypeName PSObject -Property @{
        "Method" = $sMethod
        "Count" = $iCount
        "Elapsed Time" = ((Get-Date) - $dtStart)
        "Memory Total" = [System.Math]::Round((GetMemoryUsage)/1mb, 1)
        "Memory Delta" = [System.Math]::Round(((GetMemoryUsage) - $dMemStart)/1mb, 1)
    }
    [void]$results.Add($result)
    Write-Output "$sMethod : $count"
    [System.GC]::Collect()
}

function GetMemoryUsage {
    # return ((Get-Process -Id $pid).PrivateMemorySize)
    return ([System.GC]::GetTotalMemory($false))
}

# Get-Content -ReadCount 1
[System.GC]::Collect()
$dMemStart = GetMemoryUsage
$dtStart = Get-Date
$count = 0
Get-Content -Path $testFile -ReadCount 1 |% { $count++ }
AddResult "Get-Content -ReadCount 1" $count

# Get-Content -ReadCount 10,100,1000,0
# Note: ReadCount = 1 returns a string.  Any other value returns an array of strings.
# Thus, the Count property only applies when ReadCount is not 1.
@(10,100,1000,0) |% {
    $dMemStart = GetMemoryUsage
    $dtStart = Get-Date
    $count = 0
    Get-Content -Path $testFile -ReadCount $_ |% { $count += $_.Count }
    AddResult "Get-Content -ReadCount $_" $count
}

# Get-Content | Measure-Object
$dMemStart = GetMemoryUsage
$dtStart = Get-Date
$count = (Get-Content -Path $testFile -ReadCount 1 | Measure-Object -line).Lines
AddResult "Get-Content -ReadCount 1 | Measure-Object" $count

# Get-Content.Count
$dMemStart = GetMemoryUsage
$dtStart = Get-Date
$count = (Get-Content -Path $testFile -ReadCount 1).Count
AddResult "Get-Content.Count" $count

# StreamReader.ReadLine
$dMemStart = GetMemoryUsage
$dtStart = Get-Date
$count = 0
# Use this constructor to avoid file access errors, like Get-Content does.
$stream = New-Object -TypeName System.IO.FileStream(
    $testFile,
    [System.IO.FileMode]::Open,
    [System.IO.FileAccess]::Read,
    [System.IO.FileShare]::ReadWrite)
if ($stream) {
    $reader = New-Object IO.StreamReader $stream
    if ($reader) {
        while(-not ($reader.EndOfStream)) { [void]$reader.ReadLine(); $count++ }
        $reader.Close()
    }
    $stream.Close()
}

AddResult "StreamReader.ReadLine" $count

$results | Select Method, Count, "Elapsed Time", "Memory Total", "Memory Delta" | ft -auto | Write-Output

Вот результаты для текстового файла, содержащего ~ 95 тыс. Строк, 104 МБ:

Method                                    Count Elapsed Time     Memory Total Memory Delta
------                                    ----- ------------     ------------ ------------
Get-Content -ReadCount 1                  95365 00:00:11.1451841         45.8          0.2
Get-Content -ReadCount 10                 95365 00:00:02.9015023         47.3          1.7
Get-Content -ReadCount 100                95365 00:00:01.4522507         59.9         14.3
Get-Content -ReadCount 1000               95365 00:00:01.1539634         75.4         29.7
Get-Content -ReadCount 0                  95365 00:00:01.3888746          346        300.4
Get-Content -ReadCount 1 | Measure-Object 95365 00:00:08.6867159         46.2          0.6
Get-Content.Count                         95365 00:00:03.0574433        465.8        420.1
StreamReader.ReadLine                     95365 00:00:02.5740262         46.2          0.6

Вот результаты для файла большего размера (содержащего ~ 285 тыс. Строк, 308 МБ):

Method                                    Count  Elapsed Time     Memory Total Memory Delta
------                                    -----  ------------     ------------ ------------
Get-Content -ReadCount 1                  285776 00:00:36.2280995         46.3          0.8
Get-Content -ReadCount 10                 285776 00:00:06.3486006         46.3          0.7
Get-Content -ReadCount 100                285776 00:00:03.1590055         55.1          9.5
Get-Content -ReadCount 1000               285776 00:00:02.8381262         88.1         42.4
Get-Content -ReadCount 0                  285776 00:00:29.4240734        894.5        848.8
Get-Content -ReadCount 1 | Measure-Object 285776 00:00:32.7905971         46.5          0.9
Get-Content.Count                         285776 00:00:28.4504388       1219.8       1174.2
StreamReader.ReadLine                     285776 00:00:20.4495721           46          0.4

Ответ 3

Вот однострочник, основанный на посте Pseudothink.

Строки в одном конкретном файле:

"the_name_of_your_file.txt" |% {$n = $_; $c = 0; Get-Content -Path $_ -ReadCount 1000 |% { $c += $_.Count }; "$n; $c"}

Все файлы в текущем каталоге (индивидуально):

Get-ChildItem "." |% {$n = $_; $c = 0; Get-Content -Path $_ -ReadCount 1000 |% { $c += $_.Count }; "$n; $c"}

Объяснение:

"the_name_of_your_file.txt" → ничего не делает, просто предоставляет имя файла для следующих шагов, необходимо заключить в двойные кавычки
|% → псевдоним ForEach-Object, итерирует по предоставленным элементам (в данном случае только по одному), принимает переданное по конвейеру содержимое в качестве входных данных, текущий элемент сохраняется в $_
$n = $_ → $ n, поскольку имя предоставленного файла сохраняется для последующего хранения из $_, на самом деле это может не потребоваться
$c = 0 → инициализация $c качестве счетчика
Get-Content -Path $_ -ReadCount 1000 → прочитать 1000 строк из предоставленного файла (см. Другие ответы в теме)
|% → foreach добавить количество строк, фактически прочитанных в $c (будет похоже на 1000 + 1000 + 123)
"$n; $c" → после прочтения файла выведите имя файла; количество строк
Get-ChildItem "." → просто добавляет больше элементов в канал, чем одно имя файла

Ответ 4

Первое, что нужно попробовать, - это потоковая Get-Content и наращивание количества строк по одной за раз, вместо того, чтобы хранить все строки в массиве одновременно. Я думаю, что это даст правильное поведение потоковой передачи - т.е. весь файл не будет в памяти сразу, только текущая строка.

$lines = 0
Get-Content .\File.txt |%{ $lines++ }

И, как предполагает другой ответ, добавление -ReadCount может ускорить это.

Если это не работает для вас (слишком медленно или слишком много памяти), вы можете перейти непосредственно к StreamReader:

$count = 0
$reader = New-Object IO.StreamReader 'c:\logs\MyLog.txt'
while($reader.ReadLine() -ne $null){ $count++ }
$reader.Close()  # Don't forget to do this. Ideally put this in a try/finally block to make sure it happens.

Ответ 5

Вот еще одно решение, которое использует .NET:

[Linq.Enumerable]::Count([System.IO.File]::ReadLines("FileToCount.txt"))

Это не очень прерываемое, но очень легкое в памяти.

Ответ 6

Вот кое-что, что я написал, пытаясь уменьшить использование памяти при разборе пробела в моем текстовом файле. С учетом вышесказанного, использование памяти все еще становится высоким, но процесс занимает меньше времени.

Просто для того, чтобы дать вам некоторое представление о моем файле, файл содержал более 2 миллионов записей и имел пробел в передней и задней частях каждой строки. Я считаю, что общее время составило 5+ минут.

$testing = 'C:\Users\something\something\test3.txt'

$filecleanup =  Get-ChildItem $testing

foreach ($file in $filecleanup)
{ 
    $file1 = Get-Content $file -readcount 1000 | foreach{$_.Trim()}
    $file1 > $filecleanup
}