VSCode Jupyter批量读取txt文件循环报Kernel is dead错误如何解决

1 优先排查内存溢出问题（最高概率触发内核崩溃） #

你当前的代码会把5000+文件的所有内容一次性加载到emptylist中驻留内存，文件总大小超过Python进程可用内存上限时会直接触发内核崩溃，你之前加的time.sleep逻辑完全不解决内存占用问题，可直接删除。
排查方法：

• 运行代码时打开系统的资源监控工具，观察Python进程的内存占用变化，如果内存占用持续上涨到上限后触发崩溃，即可确认是内存溢出问题。
  修复方案：
• 如果后续逻辑不需要同时使用所有文件的内容，处理完单个文件后直接丢弃内容不要存入全局列表，示例逻辑：

for i in myfiles:
    with open(i, encoding='utf-8') as f:
        lines = f.read().splitlines()
        # 直接在此处写当前文件的处理逻辑，不append到emptylist

• 如果必须留存所有文件内容，改用生成器惰性加载，不会一次性占满内存：

# 生成器只有迭代到对应文件时才会读取内容
file_content_generator = (open(i, encoding='utf-8').read().splitlines() for i in myfiles)

• 数据量确实过大的场景，把内容写入本地文件/数据库存储，不要全部放在内存中。

2 排查文件读取异常问题 #

部分异常文件也可能触发内核崩溃，你可以添加进度打印和异常捕获逻辑，定位触发崩溃的具体文件：

emptylist = []
error_records = []
# 每处理100个文件打印一次进度，崩溃时看最后一次打印的进度即可定位问题范围
for idx, file_path in enumerate(myfiles):
    if idx % 100 == 0:
        print(f"已处理文件数：{idx}")
    try:
        # 显式指定编码，添加异常忽略，避免编码问题触发报错
        with open(file_path, encoding='utf-8', errors='ignore') as f:
            lines = f.read().splitlines()
            emptylist.append(lines)
    except Exception as e:
        error_records.append((file_path, str(e)))
        print(f"读取文件{file_path}失败：{str(e)}")

运行后如果出现特定文件读取报错，优先检查这些文件的路径是否存在、权限是否正常、是否是损坏的超大文件。

3 排查Jupyter运行环境问题 #

你报错中的Jupyter插件是2021年的旧版本，版本兼容性问题也可能触发内核崩溃：

• 先更新VSCode的Jupyter插件到最新正式版
• 新建独立的conda测试环境，重新安装ipykernel jupyter等依赖，切换到新环境的内核运行代码
• 直接在终端启动原生Jupyter Notebook运行相同代码，如果终端运行正常，说明是VSCode Jupyter插件的问题，重置插件配置即可。

内容的提问来源于stack exchange，提问作者haven