21

我有一个文件，比如说all，有 2000 行，我希望它可以分成 4 个小文件，行号为 1~500、501~1000、1001~1500、1501~2000。

也许，我可以这样做：

cat all | head -500 >small1
cat all | tail -1500 | head -500 >small2
cat all | tail -1000 | head -500 >small3
cat all | tail -500 >small4

但是这种方式涉及到行数的计算，当行数不是很好的数字时，或者当我们想将文件拆分成太多的小文件时（例如：all3241行的文件，我们想要将其拆分为 7 个文件，每个文件有 463 行）。

有一个更好的方法吗？

4

3 回答 3

38

如果要拆分文件，请使用split：

split -l 500 all all

会将文件拆分为几个文件，每个文件有 500 行。如果要将文件拆分为 4 个大小大致相同的文件，请使用以下内容：

split -l $(( $( wc -l < all ) / 4 + 1 )) all all
于 2013-01-31T00:50:35.230 回答
10

查看split命令，它应该做你想做的（以及更多）：

$ split --help
Usage: split [OPTION]... [INPUT [PREFIX]]
Output fixed-size pieces of INPUT to PREFIXaa, PREFIXab, ...; default
size is 1000 lines, and default PREFIX is 'x'.  With no INPUT, or when INPUT
is -, read standard input.

Mandatory arguments to long options are mandatory for short options too.
  -a, --suffix-length=N   generate suffixes of length N (default 2)
      --additional-suffix=SUFFIX  append an additional SUFFIX to file names.
  -b, --bytes=SIZE        put SIZE bytes per output file
  -C, --line-bytes=SIZE   put at most SIZE bytes of lines per output file
  -d, --numeric-suffixes[=FROM]  use numeric suffixes instead of alphabetic.
                                   FROM changes the start value (default 0).
  -e, --elide-empty-files  do not generate empty output files with '-n'
      --filter=COMMAND    write to shell COMMAND; file name is $FILE
  -l, --lines=NUMBER      put NUMBER lines per output file
  -n, --number=CHUNKS     generate CHUNKS output files.  See below
  -u, --unbuffered        immediately copy input to output with '-n r/...'
      --verbose           print a diagnostic just before each
                            output file is opened
      --help     display this help and exit
      --version  output version information and exit

SIZE is an integer and optional unit (example: 10M is 10*1024*1024).  Units
are K, M, G, T, P, E, Z, Y (powers of 1024) or KB, MB, ... (powers of 1000).

CHUNKS may be:
N       split into N files based on size of input
K/N     output Kth of N to stdout
l/N     split into N files without splitting lines
l/K/N   output Kth of N to stdout without splitting lines
r/N     like 'l' but use round robin distribution
r/K/N   likewise but only output Kth of N to stdout
于 2013-01-31T00:50:16.073 回答
4

就像其他人已经提到的那样，您可以使用split. 接受的答案提到的复杂命令替换是不必要的。作为参考，我添加了以下命令，它们几乎可以完成所要求的。请注意，当使用-n命令行参数指定卡盘数small*时，使用split.

$ seq 2000 > all
$ split -n l/4 --numeric-suffixes=1 --suffix-length=1 all small
$ wc -l small*
 583 small1
 528 small2
 445 small3
 444 small4
2000 total

或者，您可以使用GNU 并行：

$ < all parallel -N500 --pipe --cat cp {} small{#}
$ wc -l small*
 500 small1
 500 small2
 500 small3
 500 small4
2000 total

如你所见，这个咒语相当复杂。GNU Parallel 实际上最常用于并行化管道。恕我直言，一个值得研究的工具。

于 2014-06-10T01:41:48.233 回答