Python API Streaming，在特定大小后寫入新文件

Question

我有一個python腳本，維護與Twitter Streaming API的開放連接，並將數據寫入json文件。 在寫入當前文件達到一定大小后，是否可以在不中斷連接的情況下寫入新文件？ 例如，我只是將數據流式傳輸超過1周，但所有數據都包含在一個文件中（~2gb），因此解析起來很慢。 如果我可以寫入一個新文件，比如500mb，那么我將有4個較小的文件（例如dump1.json，dump2.json等）來解析而不是一個大文件。

import tweepy
from tweepy import OAuthHandler
from tweepy import Stream
from tweepy.streaming import StreamListener

# Add consumer/access tokens for Twitter API
consumer_key = '-----'
consumer_secret = '-----'
access_token = '-----'
access_secret = '-----'

auth = OAuthHandler(consumer_key, consumer_secret)
auth.set_access_token(access_token, access_secret)

api = tweepy.API(auth)

# Define streamlistener class to open a connection to Twitter and begin consuming data
class MyListener(StreamListener):
def on_data(self, data):
    try:
        with open('G:\xxxx\Raw_tweets.json', 'a') as f:
            f.write(data)
            return True
    except BaseException as e:
        print("Error on_data: %s" % str(e))
        return True
def on_error(self, status):
   print(status)
   return True

bounding_box = [-77.2157,38.2036,-76.5215,39.3365]#filtering by location
keyword_list = ['']#filtering by keyword

twitter_stream = Stream(auth, MyListener())
twitter_stream.filter(locations=bounding_box) # Filter Tweets in stream by location bounding box
#twitter_stream.filter(track=keyword_list) # Filter Tweets in stream by keyword

Answer 1

由於每次都重新打開文件，因此非常簡單 - 在文件名中使用索引並在文件大小達到閾值時將其推進

class MyListener(StreamListener):
    def __init(self):
        self._file_index = 0

    def on_data(self, data):
        tweets_file = 'G:\xxxx\Raw_tweets{}.json'.format(self._file_index)
        while os.path.exists(tweets_file) and os.stat(tweet_file).st_size > 2**10:
            self._file_index += 1 
            tweets_file = 'G:\xxxx\Raw_tweets{}.json'.format(self._file_index)
....

該周期將負責重啟您的應用