awk, python, perl文本处理效率对比(zz)

xxqyzsc

　　转载，比较结果不一定正确，比较设计不一定科学.
　　以下3个文件依次是用python、awk和perl写的脚本，做同一件事情：

diff.sh f1 f2
f1和f2每一行的第一个字段（以空格分割）为key，如果f2某一行的key在f1中不存在，则输出f2该行。
比如：
a.dat的内容是
1 a
2 a
b.dat的内容是
1 b
3 b
那么diff.sh a.dat b.dat则输出
3 b
代码：

#!/usr/bin/python import sys if len(sys.argv) != 3:     print "Usage: " + sys.argv[0] + "file1 file2";     sys.exit(-1); file1 = sys.argv[1] file2 = sys.argv[2] list1 = {}; for line in open(file1):     list1[line.split()[0]] = 1; for line in open(file2):     key = line.split()[0];     if key not in list1:         sys.stdout.write(line)

#!/bin/sh if [[ $# < 2 ]];then     echo "Usage: $0 file1 file2"     exit fi function do_diff() {     if [[ $# < 2 ]];then         echo "Usage: $0 file1 file2"         return 1     fi     if [[ ! -f $1 ]];then         echo "$1 is not file"         return 2     fi     if [[ ! -f $2 ]];then         echo "$2 is not file"         return 3     fi     awk '         BEGIN{FS=OFS=" "}         ARGIND == 1 {             arr[$1] = 1;         }         ARGIND == 2 {             if (!($1 in arr)) {                 print $0;             }         }     ' $1 $2 } do_diff $1 $2

#!/usr/bin/perl -w exit if (1 > $#ARGV); my %map_orig; my $file_orig = shift @ARGV; open FH, "<$file_orig" or die "can't open file: $file_orig"; while (<FH>) {         chomp;         #$map_orig{$_} = 1;         my ($filed) = split /\s+/;         $map_orig{$filed} = 1; } close (FH); my $file_diff = shift @ARGV; open FH, "<$file_diff" or die "can't open file: $file_diff"; while (<FH>) {         chomp;         my ($filed) = split /\s+/;         print "$_\n" if (!defined$map_orig{$filed}); } close (FH)

测试方法：time diff.xx f1 f2 > out
测试文件f1有107375330行，每一行格式为：
key value（两个字段）
文件大小为2.2G
f2有473951行，每一行的格式也是：
key value(两字段）
文件大小为5.9M

测试结果：
diff.py的时间为3m24.687s = 205s
diff.sh的时间为3m39.762s = 220s
diff.pl的时间为5m49.478s = 349s

结果显示awk和python的性能差不多，perl则要明显差些。看来python的dict优化得很好，居然能赶上awk的性能，很出乎我的意料。