当读写大文件时，如果文件较大，会一次性全部读取到内存中，容易造成内存不足，所以呢需要对大文件进行批量读写。

1、生成大数据文件

参考博文：python测试写入文件时一次打开open和多次打开open的效率_IT之一小佬的博客-CSDN博客

2、读取大文件

        常见方法有yield生成器和open()自带方法生成迭代器对象。

详见博文：使用python读取大文件_python 读取大文件_IT之一小佬的博客-CSDN博客

3、写入大文件

        对文件的修改，通常有两种模式，一是直接在原文件中进行修改并直接保存，二是对修改之后的文件存储在一个新文件中进行存储。如果遇到大文件，那么就需要使用模式一了。

3.1 小文件内容写入大文件中

        直接将小文件读取到内存中，然后追加写入大文件即可。

3.2 修改大文件中数据

3.2.1 每行数据使用write写入

示例代码：

import time

start_time = time.time()
with open('./data/big_data.txt', 'r', encoding='utf-8') as rf, \
        open('./data/new_big_data.txt', 'a', encoding='utf-8') as af:
    for line in rf:
        if "英语" in line:
            line = line.replace('英语', 'English')
        print(line)
        af.write(line)
print(f"程序耗时：{time.time() - start_time}")

运行结果：

3.2.2 每100行数据使用writelines写入

示例代码：

import time

start_time = time.time()
data_list = []
with open('./data/big_data.txt', 'r', encoding='utf-8') as rf, \
        open('./data/new_big_data2.txt', 'a', encoding='utf-8') as af:
    for line in rf:
        if "英语" in line:
            line = line.replace('英语', 'English')
        print(line)
        data_list.append(line)
        if len(data_list) > 100:
            af.writelines(data_list)
            data_list = []
    if len(data_list) > 0:
        af.writelines(data_list)
print(f"程序耗时：{time.time() - start_time}")

运行结果：

3.2.3 每1000行数据使用writelines写入

示例代码：

import time

start_time = time.time()
data_list = []
with open('./data/big_data.txt', 'r', encoding='utf-8') as rf, \
        open('./data/new_big_data3.txt', 'a', encoding='utf-8') as af:
    for line in rf:
        if "英语" in line:
            line = line.replace('英语', 'English')
        print(line)
        data_list.append(line)
        if len(data_list) > 1000:
            af.writelines(data_list)
            data_list = []
    if len(data_list) > 0:
        af.writelines(data_list)
print(f"程序耗时：{time.time() - start_time}")

运行结果：

综上所述：在上面三个示例代码中，可以看出使用writelines方法，选择适当的行数写入效率是最好的。

参考博文：

Python怎么修改文件内容？Python修改文件内容的3种方法详解 - 优草派