如何解决如何有效转换压缩文本文件的编码?
我有多个压缩为GZ的大型CSV文件(〜1GB)。我的问题是它们是以ISO-8859-1编码的,我希望它们以UTF-8编码。
很明显,我可以解压缩每个文件,将它们转换为UTF-8,然后再压缩回去,但这对我来说在内存方面似乎效率很低。
是否有一种干净高效的方法可以在现场执行此操作并避免临时存储大文件?
解决方法
您提到了两个不同的问题,即“内存效率低下”和“临时存储大文件”,就好像它们是一个问题一样。他们不是。
您当然不需要,也不应将整个文件加载到内存中。您可以使用Python的GzipFile类读取文件的小块并将其写回。因此没有内存问题。
在执行此操作时,您需要将输入文件保留在大容量存储中,直到输出文件完成为止,此时可以删除输入文件。虽然可以避免在大容量存储中保存中间未压缩的文件,但至少暂时需要足够的可用大容量存储来存储第二个文件副本。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。