PHP超低内存遍历目录文件和读取超大文件的方法
这不是一篇教程,这是一篇笔记,所以我不会很系统地论述原理和实现,只简单说明和举例。
前言
我写这篇笔记的原因是现在网络上关于PHP遍历目录文件和PHP读取文本文件的教程和示例代码都是极其低效的,低效就算了,有的甚至好意思说是高效,实在辣眼睛。
这篇笔记主要解决这么几个问题:
PHP如何使用超低内存快速遍历数以万计的目录文件?
PHP如何使用超低内存快速读取几百MB甚至是GB级文件?
顺便解决哪天我忘了可以通过搜索引擎搜到我自己写的笔记来看看。(因为需要PHP写这两个功能的情况真的很少,我记性不好,免得忘了又重走一遍弯路)
遍历目录文件
网上关于这个方法的实现大多示例代码是glob或者opendir+readdir组合,在目录文件不多的情况下是没问题的,但文件一多就有问题了(这里是指封装成函数统一返回一个数组的时候),过大的数组会要求使用超大内存,不仅导致速度慢,而且内存不足的时候直接就崩溃了。
这时候正确的实现方法是使用yield关键字返回,下面是我最近使用的代码:
valid()){ yield$sub->current(); $sub->next(); } if($include_dirs) yield$rfile; }else{ yield$rfile; } } closedir($dh); } } //使用 $glob=glob2foreach('/var/www'); while($glob->valid()){ //当前文件 $filename=$glob->current(); //这个就是包括路径在内的完整文件名了 //echo$filename; //指向下一个,不能少 $glob->next(); }
yield返回的是生成器对象(不了解的可以先去了解一下PHP生成器),并没有立即生成数组,所以目录下文件再多也不会出现巨无霸数组的情况,内存消耗是低到可以忽略不计的几十kb级别,时间消耗也几乎只有循环消耗。
读取文本文件
读取文本文件的情况跟遍历目录文件其实类似,网上教程基本上都是使用file_get_contents读到内存里或者fopen+feof+fgetc组合即读即用,处理小文件的时候没问题,但是处理大文件就有内存不足等问题了,用file_get_contents去读几百MB的文件几乎就是自杀。
这个问题的正确处理方法同样和yield关键字有关,通过yield逐行处理,或者SplFileObject从指定位置读取。
逐行读取整个文件:
valid()){ //当前行文本 $line=$glob->current(); //逐行处理数据 //$line //指向下一个,不能少 $glob->next(); }
通过yield逐行读取文件,具体使用多少内存取决于每一行的数据量有多大,如果是每行只有几百字节的日志文件,即使这个文件超过100M,占用内存也只是KB级别。
但很多时候我们并不需要一次性读完整个文件,比如当我们想分页读取一个1G大小的日志文件的时候,可能想第一页读取前面1000行,第二页读取第1000行到2000行,这时候就不能用上面的方法了,因为那方法虽然占用内存低,但是数以万计的循环是需要消耗时间的。
这时候,就改用SplFileObject处理,SplFileObject可以从指定行数开始读取。下面例子是写入数组返回,可以根据自己业务决定要不要写入数组,我懒得改了。
seek($offset); $i=0; while(!$fp->eof()){ //必须放在开头 $i++; //只读$count这么多行 if($i>$count) break; $line=$fp->current(); $line=trim($line); $arr[]=$line; //指向下一个,不能少 $fp->next(); } return$arr; }
以上所说的都是文件巨大但是每一行数据量都很小的情况,有时候情况不是这样,有时候是一行数据也有上百MB,那这该怎么处理呢?
如果是这种情况,那就要看具体业务了,SplFileObject是可以通过fseek定位到字符位置(注意,跟seek定位到行数不一样),然后通过fread读取指定长度的字符。
也就是说通过fseek和fread是可以实现分段读取一个超长字符串的,也就是可以实现超低内存处理,但是具体要怎么做还是得看具体业务要求允许你怎么做。
复制大文件
顺便说下PHP复制文件,复制小文件用copy函数是没问题的,复制大文件的话还是用数据流好,例子如下:
最后
我这只说结论,没有展示测试数据,可能难以服众,如果你持怀疑态度想求证,可以用memory_get_peak_usage和microtime去测一下代码的占用内存和运行时间。
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持毛票票。