python讀寫文件的api都很簡單，一不留神就容易踩”坑“。筆者記錄一次踩坑歷程，並且給了一些總結，希望到大家在使用python的過程之中，能夠避免一些可能產生隱患的代碼。
1.read()與readlines()：
隨手搜索python讀寫文件的教程，很經常看到read()與readlines()這對函數。所以我們會常常看到如下代碼：
with open(file_path, 'rb') as f:
sha1Obj.update(f.read())
or
with open(file_path, 'rb') as f:
for line in f.readlines():
print(line)
這對方法在讀取小文件時確實不會產生什么異常，但是一旦讀取大文件，很容易會產生MemoryError，也就是內存溢出的問題。
Why Memory Error？
我們首先來看看這兩個方法：
當默認參數size=-1時，read方法會讀取直到EOF，當文件大小大於可用內存時，自然會發生內存溢出的錯誤。
同樣的，readlines會構造一個list。list而不是iter，所以所有的內容都會保存在內存之上，同樣也會發生內存溢出的錯誤。
2.正確的用法：
在實際運行的系統之中如果寫出上述代碼是十分危險的，這種”坑“十分隱蔽。所以接下來我們來了解一下正確用，正確的用法也很簡單，依照API之中對函數的描述來進行對應的編碼就OK了：
如果是二進制文件推薦用如下這種寫法，可以自己指定緩沖區有多少byte。顯然緩沖區越大，讀取速度越快。
with open(file_path, 'rb') as f:
while True:
buf = f.read(1024)
if buf:
sha1Obj.update(buf)
else:
break
而如果是文本文件，則可以用readline方法或直接迭代文件（python這里封裝了一個語法糖，二者的內生邏輯一致，不過顯然迭代文件的寫法更pythonic ）每次讀取一行，效率是比較低的。筆者簡單測試了一下，在3G文件之下，大概性能和前者差了20%.
with open(file_path, 'rb') as f:
while True:
line = f.readline()
if buf:
print(line)
else:
break
with open(file_path, 'rb') as f:
for line in f:
print(line)
3.內存檢測工具的介紹：
對於python代碼的內存占用問題，對於代碼進行內存監控十分必要。這里筆者這里推薦兩個小工具來檢測python代碼的內存占用。
memory_profiler
首先先用pip安裝memory_profiler
pip install memory_profiler
memory_profiler是利用python的裝飾器工作的，所以我們需要在進行測試的函數上添加裝飾器。
from hashlib import sha1
import sys
@profile
def my_func():
sha1Obj = sha1()
with open(sys.argv[1], 'rb') as f:
while True:
buf = f.read(10 * 1024 * 1024)
if buf:
sha1Obj.update(buf)
else:
break
print(sha1Obj.hexdigest())
if __name__ == '__main__':
my_func()
之后在運行代碼時加上** -m memory_profiler**
就可以了解函數每一步代碼的內存占用了
guppy
依樣畫葫蘆，仍然是通過pip先安裝guppy
pip install guppy
之后可以在代碼之中利用guppy直接打印出對應各種python類型（list、tuple、dict等）分別創建了多少對象，占用了多少內存。
from guppy import hpy
import sys
def my_func():
mem = hpy()
with open(sys.argv[1], 'rb') as f:
while True:
buf = f.read(10 * 1024 * 1024)
if buf:
print(mem.heap())
else:
break
如下圖所示，可以看到打印出對應的內存占用數據：
通過上述兩種工具guppy與memory_profiler可以很好地來監控python代碼運行時的內存占用問題。
4.小結：
python是一門崇尚簡潔的語言，但是正是因為它的簡潔反而更多了許多需要仔細推敲和思考的細節。希望大家在日常工作與學習之中也能多對一些細節進行總結，少踩一些不必要的“坑”。