Python 自用代码(拆分txt文件)

现有一个28G的txt文件,里面每一行是一个分词过的专利全文文档,一共370多万行。我需要把它按每五万行为单位做成一个json文件,格式大致如下:

[{"id":"100000001","quanwen":"你好 张梦"},...] 其中每个quanwen中内容是每一行的文本。

# -*- coding: utf-8 -*-
import json

def func(num):
    f1 = open("result.txt", "r")
    ls = []  
    m = 100000001+(num-1)*50000 #m变量为id
    n = 1
    for eachline in f1:
        if n<((num-1)*50000+1):
            n+=1
            continue
        data = {}
        data["id"] = str(m)
        data["quanwen"] = eachline.replace('
', ' ')
        ls.append(data)
        m += 1
        if m==(100000001+num*50000):
            break
    f2 = open('%s.json'%str(num), 'w')    
    f2.write(json.dumps(ls))
    f2.close()
    f1.close()

i = 1
while i < 76:
    func(i)
    i+=1
原文地址:https://www.cnblogs.com/zhangtianyuan/p/6963243.html