在 Python 中优化文件和数字行数

Question

我有一个 python 项目，其中包含许多文件夹、文件（.css、.py、.yml 等）和代码行。对于这个项目，我制作了一个名为 "statistics" 的工具，它为我提供了有关整个项目的信息，例如：

Global statistics:

Entire project :: 32329 lines
Project main files (.py, .yml) :: 8420 lines
Project without vendor part :: 1070 lines
Core (src directory) :: 394 lines
Core compared to project main files :: 5 % Kraken Framework (vendor/*.py) :: 7350 lines
Main files Python code :: 93 %
Vendor Python code :: 87 %
Entire project size :: 37M

为了得到所有这些数字，我主要使用两个函数：

def count_folder_lines(self, path):
    files = glob.glob(path, recursive=True)
    number = 0
    for file in files:
        num_lines = sum(1 for line in open(file))
        number += num_lines
    return number

和

def count_number_of_files(self, path):
    files = glob.glob(path, recursive=True)
    return len(files)

第一个用于计算文件夹中的行数，第二个用于计算特定文件的数量（例如：src/*.py）。但是要获取项目的统计信息，需要4.9到5.3秒之间，很多。

有什么方法可以让它更快吗？并行编程或使用 Cython 会改变什么吗？

祝你有愉快的一天，谢谢。

Answer 1

终于找到了对我来说最有效的解决方案：我正在使用多处理模块并行计算每个文件的行数。

def count_folder_lines(self, path):
    """ 
        Use a buffer to count the number of line of each file among path.
        :param path: string pattern of a file type
        :return: number of lines in matching files
    """
    files = glob.glob(path, recursive=True)
    number = 0
    for file in files:
        f = open(file, 'rb')
        bufgen = takewhile(lambda x: x,
                           (f.raw.read(1024 * 1024) for _ in repeat(None)))
        number += sum(buf.count(b'\n') for buf in bufgen if buf)
    return number

def count_number_of_files(self, path):
    """
        Count number of files for a string pattern
        :param path: files string pattern
        :return: number of files matching the pattern
    """
    files = glob.glob(path, recursive=True)
    return len(files)

def multiproc(self):
    """
        Multiprocessing to launch several processes to count number of
        lines of each string pattern in self.files
        :return: List of number of files per string pattern
                    (list of int).
    """
    pool = mp.Pool()
    asyncResult = pool.map_async(self.count_folder_lines, self.files)
    return asyncResult.get()

使用此解决方案，计数需要约 1.2 秒，而之前为约 5 秒。

祝你有个愉快的一天！

在 Python 中优化文件和数字行数

Optimize file and number line count in Python

python

optimization

profiling