Python实现断点续传:记录文件偏移量方法
本文深入剖析了Python中实现可靠断点续传的关键原理与实战陷阱:核心并非传输协议,而是如何精准、原子地持久化和恢复文件读取偏移量;强调必须使用二进制模式('rb')避免换行符转换导致的字节错位,坚持“处理成功后立即落盘偏移量”原则,并推荐通过临时文件+os.replace()保障写入原子性;同时警示常见误区——如文本模式下tell()语义失真、内存暂存偏移量、shelve滥用、chunk判断逻辑错误等,直击Windows兼容性、崩溃恢复、并发安全等真实生产痛点,为构建健壮的断点续传逻辑提供可落地的工程化方案。

断点续传的核心是保存和恢复文件读取位置
Python 本身没有内置“断点续传”概念,它只是靠手动记录上次读到的 file.tell() 偏移量,下次用 file.seek(offset) 接着读。关键不在于“传输”,而在于你如何持久化这个偏移量、何时保存、以及怎么应对崩溃或中断。
常见错误是:只在读完一批数据后才写偏移量,结果中途崩溃就丢进度;或者把偏移量存在内存里,程序退出就清零。
- 偏移量必须在每次成功处理完一块数据后立即落盘(比如写入一个
.offset文件) - 读取前先尝试读
offset_file,若存在且内容是合法整数,就用它做seek()起点 - 注意文本模式和二进制模式下
tell()返回值语义不同:文本模式受换行符转换影响,偏移量可能不连续;务必用open(..., 'rb')
用 shelve 或纯文本存偏移量各有什么坑
存偏移量最轻量的方式就是写个纯文本文件,比如 data.bin.offset 里只放一行数字。简单可靠,但要注意写入原子性——直接 f.write(str(pos)) 可能写一半崩溃,导致文件损坏。
shelve 看似高级,但它底层依赖 dbm,在并发或异常退出时容易损坏数据库文件,且不支持跨平台字节序兼容。对单进程断点续传属于杀鸡用牛刀,还多一层风险。
- 推荐做法:写新临时文件(如
data.bin.offset.tmp),os.replace()原子替换原 offset 文件 - 读 offset 时加
try/except ValueError,防止文件为空或含非法字符 - 不要用
shelve存单个整数——序列化开销大,出错难调试
分块读取时如何避免重复或跳过数据
偏移量本身只是字节位置,真正决定“哪块数据已处理”的是你分块逻辑。典型错误是:用固定 chunk_size=8192,但没校验最后一次读是否真读满,导致最后一块被漏掉或重复处理。
例如:文件总长 10000 字节,chunk_size=8192,第一次读 0–8191,第二次 seek(8192) 后 read(8192) 实际只返回 1808 字节。如果你只靠 len(chunk) == chunk_size 判断是否结束,就会误判。
- 正确做法:以
chunk = f.read(chunk_size)是否为空字符串(b'')为 EOF 标志 - 每次成功处理完
chunk后,更新 offset =f.tell()(不是offset + len(chunk),因为tell()更准确) - 如果处理逻辑可能失败(如解析 JSON 失败),必须在成功提交后才更新 offset,否则会跳过出错那块
Windows 下 seek() 和 tell() 的兼容性问题
在 Windows 上用文本模式打开二进制文件(比如 CSV、日志),tell() 返回值可能和实际字节数不一致,因为 CRLF 换行符会被当作一个字符处理,但占两个字节。这会导致你用 tell() 记下的位置,在下次 seek() 时错位。
即使你只是读纯 ASCII 数据,只要用了 open(..., 'r'),就可能中招。这不是 bug,是 Python 文本模式的规范行为。
- 唯一稳妥解法:所有断点续传场景一律用
open(..., 'rb')和open(..., 'wb') - 如果原始数据是文本(如 JSON 行),读出来再用
chunk.decode('utf-8')解码,别让 open 自己处理编码 - 测试时可在 Windows 上用
xxd data.bin | head对照tell()值,确认是否对齐
偏移量本身不复杂,难的是在各种异常路径下保证它和业务处理状态严格一致——比如网络上传失败、磁盘满、Ctrl+C 中断,这些时刻 offset 文件是否已更新、是否与内存状态冲突,才是真实痛点。
终于介绍完啦!小伙伴们,这篇关于《Python实现断点续传:记录文件偏移量方法》的介绍应该让你收获多多了吧!欢迎大家收藏或分享给更多需要学习的朋友吧~golang学习网公众号也会发布文章相关知识,快来关注吧!
MuleRun场景故事怎么写?情感化文案技巧
- 上一篇
- MuleRun场景故事怎么写?情感化文案技巧
- 下一篇
- RSC语言介绍及与PHP语法对比分析
-
- 文章 · python教程 | 6小时前 | 线程池 · Python 线程池 concurrent.futures 任务取消 Future.cancel
- Python concurrent.futures.Future.cancel 怎样判断任务能否取消
- 143浏览 收藏
-
- 文章 · python教程 | 6小时前 | 标准库 · HTTP服务 · 多线程 · Python教程 · Python 并发请求 http.server ThreadingHTTPServer ThreadingMixIn BaseHTTPRequestHandler
- Python http.server ThreadingHTTPServer 怎样处理并发请求
- 481浏览 收藏
-
- 文章 · python教程 | 6小时前 |
- Python tarfile.TarInfo.replace 怎样复制归档成员属性
- 308浏览 收藏
-
- 文章 · python教程 | 6小时前 | 并发编程 · Python教程 · Python 多进程 multiprocessing forkserver 启动上下文
- Python multiprocessing forkserver 怎样处理进程启动上下文
- 232浏览 收藏
-
- 文章 · python教程 | 6小时前 | 标准库 · 异步编程 · Python教程 · Python asyncio StreamReader readexactly IncompleteReadError 异步流
- Python asyncio.StreamReader.readexactly 怎样处理不足长度的输入
- 427浏览 收藏
-
- 文章 · python教程 | 6小时前 |
- Python operator.length_hint 怎样为未知长度迭代器设置估计值
- 336浏览 收藏
-
- 文章 · python教程 | 6小时前 | 标准库 · Python教程 · Python warnings catch_warnings simplefilter filterwarnings 警告过滤
- Python warnings context manager 怎样临时调整警告过滤
- 255浏览 收藏
-
- 文章 · python教程 | 6小时前 | 调试 · python · 异步编程 · Python asyncio introspection current_task all_tasks
- Python asyncio introspection 怎样定位当前任务
- 120浏览 收藏
-
- 文章 · python教程 | 7小时前 | 标准库 · Python教程 · Python 类型注解 Python 3.14 annotationlib get_annotations ForwardRef 延迟注解
- Python 3.14 annotationlib.get_annotations 怎样读取延迟注解
- 423浏览 收藏
-
- 文章 · python教程 | 7小时前 |
- Python 3.14 跨解释器 Queue.put 的阻塞与 QueueFull 处理方案
- 157浏览 收藏
-
- 文章 · python教程 | 1天前 | xml · python · Python xml xml.etree.ElementTree canonicalize C14N
- Python xml.etree.ElementTree.canonicalize 怎样生成稳定的 XML 文本
- 151浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 1145次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 1130次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 1311次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 1247次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 1101次使用
-
- Python TaskGroup 怎样让子任务失败统一收敛
- 2026-11-12 501浏览
-
- Python xml.dom.minidom.unlink 怎样释放不再使用的 DOM 树引用
- 2026-10-27 501浏览
-
- Python typing 怎样用 TypeIs 缩小类型
- 2026-10-24 501浏览
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览

