程序師世界是廣大編程愛好者互助、分享、學習的平台,程序師世界有你更精彩!
首頁
編程語言
C語言|JAVA編程
Python編程
網頁編程
ASP編程|PHP編程
JSP編程
數據庫知識
MYSQL數據庫|SqlServer數據庫
Oracle數據庫|DB2數據庫
 程式師世界 >> 編程語言 >> 網頁編程 >> PHP編程 >> PHP綜合 >> 用PHP讀取超大文件的實例代碼

用PHP讀取超大文件的實例代碼

編輯:PHP綜合
去年年底的各種網站帳號信息的數據庫洩漏,很是給力啊,趁機也下載了幾個數據庫,准備學學數據分析家來分析一下這些帳號信息。雖然這些數據信息都已經被“整理”過的,不過自己拿來學習也挺有用的,畢竟有這麼大的數據量。

數據量大帶來的問題就是單個文件很大,能夠打開這個文件相當不容易,記事本就不要指望了,果斷死機。用MSSQL的客戶端也打不開這麼大的SQL文件,直接報內存不足,原因據說是MSSQL在讀取數據的時候,是一次性地將讀取到的數據放在內存中,如果數據量過大,而內存不足,則會直接導致系統癱掉。

Navicat Premium
這兒推薦一個軟件Navicat Premium,相當給力啊,幾百兆的SQL文件輕松就打開了,一點都不卡。而且這個客戶端軟件支持MSSQL、MYSQL、Oracle……等等各種數據庫的連接,其它的很多功能就自己慢慢研究了。

雖然用Navicat可以打開CSDN這個274MB的SQL文件,但是內容卻是沒意義的,而且也不方便對這些帳號信息進行查詢、分類、統計等等操作。唯一的方法就是把這些數據一條一條地讀取出來,然後分拆每條記錄的不同片段,再將這些片段以數據字段的格式存入數據庫,這樣就可以方便以後的使用了。

使用PHP讀取超大文件
PHP有很多種文件讀取的方式,根據目標文件的不同,采取更合適的方法,可有效地提高執行效率。由於CSDN數據庫文件很大,所以我們盡量不在短時間內全都讀取出來,畢竟每讀取一條數據還要對其分拆和寫入操作。那麼比較合適的方式就是對文件進行分區域地讀取,通過使用PHP的fseek和fread相結合,即可做到隨意讀取文件中的某一部份數據,下面是實例代碼:

復制代碼 代碼如下:
function readBigFile($filename, $count = 20, $tag = "\r\n") {
$content = "";//最終內容
$current = "";//當前讀取內容寄存
$step= 1;//每次走多少字符
$tagLen = strlen($tag);
$start = 0;//起始位置
$i = 0;//計數器
$handle = fopen($filename,'r+');//讀寫模式打開文件,指針指向文件起始位置
while($i < $count && !feof($handle)) {
fseek($handle, $start, SEEK_SET);//指針設置在文件開頭
$current = fread($handle,$step);//讀取文件
$content .= $current;//組合字符串
$start += $step;//依據步長向前移動
//依據分隔符的長度截取字符串最後免得幾個字符
$substrTag = substr($content, -$tagLen);
if ($substrTag == $tag) { //判斷是否為判斷是否是換行或其他分隔符
$i++;
$content .= "<br />";
}
}
//關閉文件
fclose($handle);
//返回結果
return $content;
}
$filename = "csdn.sql";//需要讀取的文件
$tag = "\n";//行分隔符 注意這裡必須用雙引號
$count = 100;//讀取行數
$data = readBigFile($filename,$count,$tag);
echo $data;

關於函數傳入的變量$tag的值,根據系統不一樣,傳入的值也是有區別的:Windows用”\r\n”,linux/unix用”\n”,Mac OS用”\r”。

程序執行的大概流程:先定義讀取文件的一些基礎變量,然後打開文件,將指針定位在文件的指定位置,並讀取指定大小的內容。每讀取一次將內容存儲在變量中,直到達到讀取要求的行數或文件結束。

絕不要假定程序中的一切都將按計劃運行。

根據上面的代碼,雖然能夠得到文件中指定位置、指定大小的數據,但這整個過程只執行了一次,並不能得到所有的數據。其實要得到所有的數據,可以在這個循環的外層再添加判斷文件是否結束的循環,但這很浪費系統資源,甚至由於文件過大一直沒法讀完而導致PHP執行超時。另一種方法就是記錄並存儲上次讀取數據後指針所在的位置,然後再次執行該循環的時候,將指針定位在上次結束的位置,這樣就不存在一次循環要把文件從頭讀到尾的情況。

其實CSDN這個數據庫我到現在都還沒有導入數據庫,因為當時洩漏後沒幾天CNBETA上就有一個分析了,呵呵,動作太快了。當看到別人已經做了這個事之後,自動就沒有多少動力來做了,不過為了學習,還是要抽時間把這個事完成了。
  1. 上一頁:
  2. 下一頁:
Copyright © 程式師世界 All Rights Reserved