问题标签 [csplit]

我有一个大文本文件，其内容设置如下：

我正在尝试使用csplit.

单个文件的内容格式如下：

我希望能够像这样正则表达式---，换行符和标题---\ntitle

但我无法选择它...</p>

我尝试了很多变化都无济于事。我不断得到“不匹配”。

我有这个 .xml 文件：

我正在尝试使用 csplit 来仅获取文本部分。这就是我想出的。

我正在尝试拆分一个非常规则的巨大文本文件（约 5 亿行文本），如下所示：

其中 ... 表示重复模式，“blah blah”的长度可变~ 2000 行。我想分开第一个

块到一个单独的文件中，并以最快的方式（运行时，考虑到我将运行多次）从原始文件中删除它。

理想的解决方案是从原始文件中剪切初始块并将其粘贴到新文件中，而不加载巨大的初始文件的尾部。

我通过以下方式尝试了 csplit：

这是一种有效的方法，但在时间上效率不高。

编辑：如果我们从文件中删除最后一个“start-end”块而不是第一个块，是否有解决方案？

我有一个包含 os 3D 坐标列表的长文本文件。文件的开头由这样的标题组成：

之后开始坐标列表。所有的行都由 3 到 7 个数字组成。例如：

列表的总长度等于标题前两个数字的乘积 (10112*2455)。这些是 PTX 文件，其中包含来自激光扫描的文本格式的 3D 点。

关键是该文件是标题和坐标的串联，我想拆分文件在标题上破坏它。理想的解决方案是将文件拆分为两个连续的单个整数行。我正在寻找一个通用的解决方案，例如使用 csplit，但 csplit 一次读取一行，因此它无法检测到两个连续的行。

作为最后的手段，我会自己编写一个软件，但如果有的话，我更愿意找到基于 CLI 工具（Awk？）的解决方案。

有什么想法吗？

谢谢

编辑：示例

假设我有一个包含以下内容的文件：

在这种情况下，我应该得到两个文件，在由单个整数组成的两行中的第一行之前剪切。

作为替代方案，知道两个单数行表示有多少个点组成部分，我们可以说第一个输出文件由前 2*3+10=16（10 行标题和 6 行数据）行组成，第二个文件由随后的 3*1+10=13 行组成（标题总是 10 行，这次是 3 行数据）行。

我有一个包含将近一千个 html 文件的目录。每个文件都需要根据重复出现的模式（标题）分成多个文本文件。我在 Windows 机器上，使用 GnuWin32 工具。

对于单个文件，我找到了一种方法：

但我不知道如何对整个 HTML 文件集重复此操作。这个：

不起作用，这也不起作用：

两者都会导致无效的模式错误。帮助将不胜感激！

帮帮我，伙计们，我真的迷路了。我有一个很大的文本文件，里面有很多链接，我试图根据链接所属的网站将它们分开。我试图用 csplit 命令来做，但我不确定我会怎么做，因为它取决于文本内容。

文本示例：

所以在这个例子中，前两个链接将在一个文件中，剩下的 2 个链接将在一个文件中。这将如何工作？我真的不知道这是否可能。（新手程序员）

我需要将一个大的 fasta 文件拆分成较小的文件。我正在尝试以下命令：

csplit -z input.fasta '/>/' '{*}'

但它正在生成大量文件（对于每个“>”）。有没有办法要求只创建两个较小的文件？

谢谢

我有一个如下的日志文件：

我怎么能按天拆分文件？我使用了命令：

csplit log /*Jan 01*/ /*Jan 02*/ /*Jan 03*/

但有错误：

所以任何人都可以请告诉我如何解决这个问题？提前致谢。

我有一个很长的文件（是的，这是 fasta 格式的 DNA），它实际上是一批拼凑在一起的几个文件，在标准输出上输出。例如：

我想根据模式（此处显示为=）拆分此流并分别对每个部分执行操作。

我研究过类似的东西

但我担心将大量信息放入变量中会非常低效。此外，我读过 read (...) 本身效率低下。

我想找到类似的东西csplit将这些片段输出到一个循环中，但我想不出一些聪明的东西。理想情况下，像这样非常糟糕的伪代码：

我也想避免编写临时文件，因为我担心它也会非常低效。

这有任何意义吗？

任何帮助表示赞赏！

我正在尝试对 700 Mo 的文件使用 csplit 命令。我想将文件拆分为 30 个较小的文件，并尊重我用来启动新文件的标签名称。

假设我有 80 个组标签，所以我想生成 30 个文件。那么我如何使用 csplit 来做到这一点。我知道的开始是