我有一個huuuuuge csv在線，我不想逐行閱讀它，下載它。但此文件位于代理后面。我寫了這個代碼：import requestsimport pandas as pdimport iocafile = 'mycert.crt'proxies = {"http":"http://ipproxy:port", "https":"http://ipproxy:port"}auth = HttpNtlmAuth('Username','Password')url = 'http://myurl/ressources.csv'content = requests.get(url, proxies=proxies, auth=auth, verify=cafile).contentcsv_read = pd.read_csv(io.StringIO(content.decode('utf-8')))pattern = 'mypattern'for row in csv_read: if row[0] == pattern: print(row) break上面的這段代碼有效，但“content = requests.get（...”行需要很多時間！由于 csv 文件的大小。所以我的問題是：是否可以通過代理逐行讀取在線csv？以最好的方式，我希望閱讀第一行，檢查它是否等于我的模式，如果是=中斷，如果不是=讀取第二行和依此類推。感謝您的幫助
3 回答
慕的地8271018
TA貢獻(xiàn)1796條經(jīng)驗(yàn) 獲得超4個贊
您可以傳遞給 ，以避免立即獲取整個結(jié)果。在這種情況下，您可以通過 訪問偽文件對象，您可以基于此構(gòu)建CSV閱讀器（或者，響應(yīng)對象具有和方法，但我不知道將其提供給CSV解析器有多容易）。stream=Truerequests.getresponse.rawiter_contentiter_lines
然而，雖然stdlib的模塊只是生成一系列列表或字典，因此很容易懶惰，但pandas返回一個不懶惰的數(shù)據(jù)幀，所以你需要指定一些特殊參數(shù)，然后你得到每個塊的數(shù)據(jù)幀或它看起來像什么。csv
紅糖糍粑
TA貢獻(xiàn)1815條經(jīng)驗(yàn) 獲得超6個贊
無論如何，該調(diào)用將為您提供整個文件。您需要實(shí)現(xiàn)自己的HTTP代碼，直至套接字級別，以便能夠在內(nèi)容進(jìn)入時以普通的HTTP Get方法進(jìn)行處理。requests.get
獲取部分結(jié)果并對下載進(jìn)行切片的唯一方法是添加HTTP“范圍”請求標(biāo)頭，如果服務(wù)器提供文件支持。（可以讓您設(shè)置這些標(biāo)頭）。requests
輸入請求高級用法：
好消息是，請求可以在后臺為您做到這一點(diǎn) - 您可以在調(diào)用請求時設(shè)置參數(shù)，它甚至可以讓您逐行迭代內(nèi)容。請查看該部分的文檔。stream=True
以下是或多或少在引擎蓋下的作用，以便您可以逐行獲取內(nèi)容：requests
它將獲得重新調(diào)整大小的數(shù)據(jù)塊，但肯定不會一次保留一行（想想~80字節(jié)與100.000字節(jié)），因?yàn)榉駝t它需要為每行一個新的HTTP請求，并且每個請求的開銷不是微不足道的，即使通過相同的TCP連接進(jìn)行。
無論如何，由于CSV是一種文本格式，在相應(yīng)地設(shè)置范圍標(biāo)題之前，請求或任何其他軟件都無法知道行的大小，甚至不知道要讀取的“下一個”行的確切大小。
因此，要使此功能起作用，必須使用Python代碼才能：
接受對 CSV 的“新行”的請求（如果有緩沖文本行），則生成下一行，
否則，為下一個 100KB 左右的 HTTP 請求
將下載的數(shù)據(jù)連接到上次下載行的其余部分
在二進(jìn)制數(shù)據(jù)中的最后一個換行符處拆分下載的數(shù)據(jù)，
保存最后一行的其余部分
將二進(jìn)制緩沖區(qū)轉(zhuǎn)換為文本，（您必須在多字節(jié)編碼（如utf-8）中處理多字節(jié)字符邊界 - 但是在換行符處剪切可能會節(jié)省您）
生成下一個文本行
婷婷同學(xué)_
TA貢獻(xiàn)1844條經(jīng)驗(yàn) 獲得超8個贊
根據(jù)Masklinn的答案，我的代碼現(xiàn)在看起來像這樣：
import requests
cafile = 'mycert.crt'
proxies = {"http":"http://ipproxy:port", "https":"http://ipproxy:port"}
auth = HttpNtlmAuth('Username','Password')
url = 'http://myurl/ressources.csv'
pattern = 'mypattern'
r = requests.get(url, stream=True, proxies=proxies, verify=cafile)
if r.encoding is None:
r.encoding = 'ISO-8859-1'
for line in r.iter_lines(decode_unicode=True):
if line.split(';')[0] == pattern:
print(line)
break
添加回答
舉報(bào)
0/150
提交
取消