HOWTO · Python

Leggi linee specifiche da un file in Python

Offre diversi metodi per leggere righe specifiche di un file: `fileobject.readlines()` per i file piccoli, `enumerate()` per scorrere progressivamente quelli grandi e `linecache` per consultare più volte le righe dello stesso file. La cache di `linecache` occupa memoria.

In questa pagina

Per leggere una o più righe specifiche da un file di testo Python, stabilisci prima se il numero di riga proviene da una persona o dal codice Python. I numeri di riga usati dalle persone di solito partono da 1, mentre gli indici delle liste partono da 0. Per un file piccolo, readlines() carica tutte le righe e consente di accedervi direttamente tramite indice. Per un file grande, enumerate() può scorrerlo progressivamente. Per richieste ripetute, linecache permette di accedere alle righe tramite il loro numero e memorizza nella cache i dati del file: non è quindi una soluzione a memoria costante.

Scegli prima una convenzione per numerare le righe

Se una persona chiede la riga 3, l’indice corrispondente nella lista è 3 - 1, cioè 2. Anche enumerate() parte da 0 per impostazione predefinita. Invece, linecache.getline(path, 3) si aspetta il numero di riga usato dalle persone, cioè 3. Tenere distinte queste convenzioni evita errori di uno. Le righe di testo spesso includono il carattere di nuova riga finale: rimuovilo solo quando visualizzi o confronti il valore senza quello spazio bianco.

Leggi righe selezionate da un file piccolo con readlines()

readlines() restituisce una lista con tutte le righe, compreso il carattere di nuova riga quando presente. È comodo quando il file entra senza problemi in memoria e devi accedere a più posizioni. L’esempio autonomo seguente crea un file di testo temporaneo e ne stampa la terza riga:

Il codice e le etichette o gli output visibili in questa sezione restano in inglese.

from pathlib import Path
from tempfile import TemporaryDirectory

with TemporaryDirectory() as folder:
    path = Path(folder) / "notes.txt"
    path.write_text("first\nsecond\nthird\nfourth\n", encoding="utf-8")
    with path.open(encoding="utf-8") as file:
        lines = file.readlines()
    print(lines[2].rstrip("\n"))

Per un intervallo di numeri di riga umani da first_line a last_line, inclusi, usa la slice lines[first_line - 1:last_line]. L’estremo finale della slice è escluso: per questo il numero dell’ultima riga richiesto può essere usato direttamente come indice finale. Se la riga richiesta potrebbe non esistere, prima di indicizzare verifica che l’indice sia inferiore a len(lines).

Leggi righe selezionate da un file grande con enumerate()

Iterare direttamente sul file evita di creare una lista con tutte le righe. enumerate(file) fornisce un indice a partire da 0 man mano che legge ogni riga; aggiungi 1 quando mostri un numero di riga umano. Per raggiungere una riga successiva deve comunque scorrere quelle precedenti: questo approccio riduce l’uso di memoria, ma non consente di saltare direttamente a una riga lontana.

Il codice e le etichette o gli output visibili in questa sezione restano in inglese.

from pathlib import Path
from tempfile import TemporaryDirectory

with TemporaryDirectory() as folder:
    path = Path(folder) / "events.txt"
    path.write_text("start\nready\nconnected\nfinished\n", encoding="utf-8")
    wanted = {2, 4}
    with path.open(encoding="utf-8") as file:
        for line_number, line in enumerate(file, start=1):
            if line_number in wanted:
                print(line_number, line.rstrip("\n"))
            if line_number >= max(wanted):
                break

Qui start=1 fa sì che la variabile del ciclo contenga il numero di riga umano, rendendo più leggibili le condizioni di selezione. Se il file contiene meno righe di quelle richieste, il ciclo termina senza stamparle.

Usa linecache per accedere ripetutamente alle righe

Usa linecache.getline(path, line_number) quando il codice richiede più volte righe indicate con numeri di riga a partire da 1. Restituisce la riga come testo, compreso il carattere di nuova riga quando presente. Una riga inesistente è rappresentata da una stringa vuota. linecache memorizza nella cache il contenuto del file per riutilizzarlo: può essere comodo quando consulti più volte lo stesso file, ma i dati memorizzati occupano comunque memoria.

Il codice e le etichette o gli output visibili in questa sezione restano in inglese.

import linecache
from pathlib import Path
from tempfile import TemporaryDirectory

with TemporaryDirectory() as folder:
    path = Path(folder) / "report.txt"
    path.write_text("header\nalpha\nbeta\n", encoding="utf-8")
    line = linecache.getline(str(path), 2)
    print(line.rstrip("\n"))
    linecache.clearcache()

La chiamata esplicita a clearcache() libera le voci memorizzate nella cache dopo questo esempio. Se il file cambia, è importante che la cache sia aggiornata: se il programma ha modificato il file e deve scartare i dati memorizzati, svuota la cache prima di richiedere di nuovo le righe.

Gestisci intervalli, righe mancanti e limiti di memoria

Scegli readlines() quando l’accesso diretto a un file di dimensioni gestibili è più importante che evitare di tenerne il contenuto in memoria. Scegli enumerate() per elaborare progressivamente un file grande o fermarti dopo una riga specifica; per raggiungere una riga successiva è comunque necessario leggere quelle precedenti. Scegli linecache per richieste ripetute di righe numerate, se l’uso della cache è accettabile. Nessuno di questi metodi può recuperare una riga oltre la fine del file: l’indicizzazione di una lista solleva IndexError, l’iterazione non trova corrispondenze e getline() restituisce una stringa vuota. Convalida la richiesta o gestisci il risultato in base alle esigenze del programma.

Apri i file di testo in modalità lettura, preferibilmente con un’istruzione with, così il file viene chiuso alla fine del blocco. Specifica la codifica se quella del file è nota. Caricare l’intero file può richiedere molta memoria quando aumentano il numero e la lunghezza delle righe; non esiste una soglia universale di dimensione adatta a ogni computer e carico di lavoro. Lo scorrimento progressivo limita le righe trattenute dal ciclo di lettura, mentre le righe selezionate e raccolte continueranno a occupare memoria. Per scegliere, considera quindi il modello di accesso e la memoria disponibile, anziché affidarti a una dimensione fissa o a un’affermazione sulla velocità.