用PHP讀取超大文件的實(shí)例代碼

更新時(shí)間：2012年04月01日 16:09:22 作者：

數(shù)據(jù)量大帶來(lái)的問(wèn)題就是單個(gè)文件很大，能夠打開(kāi)這個(gè)文件相當(dāng)不容易，記事本就不要指望了，果斷死機(jī)

去年年底的各種網(wǎng)站帳號(hào)信息的數(shù)據(jù)庫(kù)泄漏，很是給力啊，趁機(jī)也下載了幾個(gè)數(shù)據(jù)庫(kù)，準(zhǔn)備學(xué)學(xué)數(shù)據(jù)分析家來(lái)分析一下這些帳號(hào)信息。雖然這些數(shù)據(jù)信息都已經(jīng)被“整理”過(guò)的，不過(guò)自己拿來(lái)學(xué)習(xí)也挺有用的，畢竟有這么大的數(shù)據(jù)量。

數(shù)據(jù)量大帶來(lái)的問(wèn)題就是單個(gè)文件很大，能夠打開(kāi)這個(gè)文件相當(dāng)不容易，記事本就不要指望了，果斷死機(jī)。用MSSQL的客戶端也打不開(kāi)這么大的SQL文件，直接報(bào)內(nèi)存不足，原因據(jù)說(shuō)是MSSQL在讀取數(shù)據(jù)的時(shí)候，是一次性地將讀取到的數(shù)據(jù)放在內(nèi)存中，如果數(shù)據(jù)量過(guò)大，而內(nèi)存不足，則會(huì)直接導(dǎo)致系統(tǒng)癱掉。

Navicat Premium
這兒推薦一個(gè)軟件Navicat Premium，相當(dāng)給力啊，幾百兆的SQL文件輕松就打開(kāi)了，一點(diǎn)都不卡。而且這個(gè)客戶端軟件支持MSSQL、MYSQL、Oracle……等等各種數(shù)據(jù)庫(kù)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(kāi)CSDN這個(gè)274MB的SQL文件，但是內(nèi)容卻是沒(méi)意義的，而且也不方便對(duì)這些帳號(hào)信息進(jìn)行查詢、分類、統(tǒng)計(jì)等等操作。唯一的方法就是把這些數(shù)據(jù)一條一條地讀取出來(lái)，然后分拆每條記錄的不同片段，再將這些片段以數(shù)據(jù)字段的格式存入數(shù)據(jù)庫(kù)，這樣就可以方便以后的使用了。

使用PHP讀取超大文件
PHP有很多種文件讀取的方式，根據(jù)目標(biāo)文件的不同，采取更合適的方法，可有效地提高執(zhí)行效率。由于CSDN數(shù)據(jù)庫(kù)文件很大，所以我們盡量不在短時(shí)間內(nèi)全都讀取出來(lái)，畢竟每讀取一條數(shù)據(jù)還要對(duì)其分拆和寫入操作。那么比較合適的方式就是對(duì)文件進(jìn)行分區(qū)域地讀取，通過(guò)使用PHP的fseek和fread相結(jié)合，即可做到隨意讀取文件中的某一部份數(shù)據(jù)，下面是實(shí)例代碼：

復(fù)制代碼代碼如下:

 
function readBigFile($filename, $count = 20, $tag = "\r\n") { 
$content = "";//最終內(nèi)容 
$current = "";//當(dāng)前讀取內(nèi)容寄存 
$step= 1;//每次走多少字符 
$tagLen = strlen($tag); 
$start = 0;//起始位置 
$i = 0;//計(jì)數(shù)器 
$handle = fopen($filename,'r+');//讀寫模式打開(kāi)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(shè)置在文件開(kāi)頭 
$current = fread($handle,$step);//讀取文件 
$content .= $current;//組合字符串 
$start += $step;//依據(jù)步長(zhǎng)向前移動(dòng) 
//依據(jù)分隔符的長(zhǎng)度截取字符串最后免得幾個(gè)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++; 
$content .= "<br />"; 
} 
} 
//關(guān)閉文件 
fclose($handle); 
//返回結(jié)果 
return $content; 
} 
$filename = "csdn.sql";//需要讀取的文件 
$tag = "\n";//行分隔符 注意這里必須用雙引號(hào) 
$count = 100;//讀取行數(shù) 
$data = readBigFile($filename,$count,$tag); 
echo $data; 

關(guān)于函數(shù)傳入的變量$tag的值，根據(jù)系統(tǒng)不一樣，傳入的值也是有區(qū)別的：Windows用”\r\n”，linux/unix用”\n”，Mac OS用”\r”。

程序執(zhí)行的大概流程：先定義讀取文件的一些基礎(chǔ)變量，然后打開(kāi)文件，將指針定位在文件的指定位置，并讀取指定大小的內(nèi)容。每讀取一次將內(nèi)容存儲(chǔ)在變量中，直到達(dá)到讀取要求的行數(shù)或文件結(jié)束。

絕不要假定程序中的一切都將按計(jì)劃運(yùn)行。

根據(jù)上面的代碼，雖然能夠得到文件中指定位置、指定大小的數(shù)據(jù)，但這整個(gè)過(guò)程只執(zhí)行了一次，并不能得到所有的數(shù)據(jù)。其實(shí)要得到所有的數(shù)據(jù)，可以在這個(gè)循環(huán)的外層再添加判斷文件是否結(jié)束的循環(huán)，但這很浪費(fèi)系統(tǒng)資源，甚至由于文件過(guò)大一直沒(méi)法讀完而導(dǎo)致PHP執(zhí)行超時(shí)。另一種方法就是記錄并存儲(chǔ)上次讀取數(shù)據(jù)后指針?biāo)诘奈恢茫缓笤俅螆?zhí)行該循環(huán)的時(shí)候，將指針定位在上次結(jié)束的位置，這樣就不存在一次循環(huán)要把文件從頭讀到尾的情況。

其實(shí)CSDN這個(gè)數(shù)據(jù)庫(kù)我到現(xiàn)在都還沒(méi)有導(dǎo)入數(shù)據(jù)庫(kù)，因?yàn)楫?dāng)時(shí)泄漏后沒(méi)幾天CNBETA上就有一個(gè)分析了，呵呵，動(dòng)作太快了。當(dāng)看到別人已經(jīng)做了這個(gè)事之后，自動(dòng)就沒(méi)有多少動(dòng)力來(lái)做了，不過(guò)為了學(xué)習(xí)，還是要抽時(shí)間把這個(gè)事完成了。

您可能感興趣的文章: