在 python 中，当我们读取一个本地 TextIO 文件时，最常用的方式是用 read、readline 和 readlines 这三个方法。
fp.readlines()
with open(fp_name) as f_read: data = f_read.readlines() # The type of data is a list. # output: # ["<?xml version='1.0' encoding='utf8'?>\n", ...]这种方式是将文件里面所有内容按行读取到一个大列表中。对于小文件，这种方式其实挺方便，但对于大文件就会出现内存可能不足的情况，报 MemoryError 错误，或者消耗掉很客观的内存资源。
fp.readline()
# 第一种写法 with open(fp_name) as f_read: while True: line = f_read.readline() # The type of line is a string. if not line: break # 第二种写法 with open(fp_name) as f_read: for line in f_read: ...上面两种写法本质其实一样，都是按行读取文本，这种方式读取文件会大大减少内存的消耗，一直读到空行或者 EOF 标识才会被终止。一般大场景读取文件这种方式性能和内存消耗比较好。
但这种方式也有一个缺陷，若文本是写在一行，而不是多行，那么这两种写法不论哪一种，都和前面两种方式一样，将所有的文本内容【一行字符串】加载到内存当中，消耗大量的资源。那么这个时候处理单行十分大的文件，使用 fp.read() 这个最为底层的方法更好一些。
fp.read()
with open(fp_name) as f_read: data = f_read.read() # The type of data is a string. # output # '<?xml version=\'1.0\' encoding=\'utf8\'?>\n<OpenDRIVE><header revMajor="1" revMinor="4" name="" version="1.00" date="01/01/1970 17:45\n...\n'不带参数的情况下，这种方式将文本内容读取为一个大的字符串对象，类似 readlines() 方法，只不过是输出数据的格式不同。如果文本比较大，该方式会消耗很客观的内存。
不过该方法有一个 size 参数，用于设置读取文本的字节数，每次调用 fp.read (size) 会直接返回从当前位置往后读取 size 大小的文件内容，不必等待任何换行符出现，这种方式有利于对单行大文本进行读取处理。
我们可以使用这个分块参数这么读取大文件，效果要比按行读取的方式在内存消耗上优化很多：
from functools import partial, wraps from typing import TextIO, Callable def chunked_file_reader(fp: TextIO, block_size： int=1024 * 8): for chunk in iter(partial(fp.read, block_size), ''): yield chunk def read_file(file_path: str) -> int: count: int = 0 with open(file_path) as f_read: for chunk in chunked_file_reader(f_read): count += 1 print(chunk) return count利用迭代器和生成器构造一个可复用的分块读取方法，然后就可以方便的控制每次读取的字节大小，在内存的占用以及代码的执行性能上都会有不错的表现。