忘记密码   免费注册 查看新帖 |

ChinaUnix.net

  平台 论坛 博客 文库 频道自动化运维 虚拟化 储存备份 C/C++ PHP MySQL 嵌入式 Linux系统
最近访问板块 发新帖
查看: 870 | 回复: 3

[文本处理] 文件分割 [复制链接]

论坛徽章:
0
发表于 2018-06-13 00:38 |显示全部楼层
关于文件分割,不太会了

1.txt 长这样,一个header+一些序列(行数不定),有n行

>111aaa
hkjhklhlk
hkhklhlk
houoiyoiu
yioyoyio
>270967
hklj78
hkhl
>7897
hklhlh
>675kjh
gjkgkl
hlkhkl

想要分割成的文件类似于如下(10000个header+下面的序列)分成n个文件,然后文件并行运行会快很多。这样分割大概生成约100个文件

文件aaa:
>111aaa
hkjhklhlk
hkhklhlk
houoiyoiu
yioyoyio
>270967
hklj78
hkhl
>7897
hklhlh
>675kjh
gjkgkl
hlkhkl
····

文件bbb:
····



我写的代码是:(就是把下面所有的那些序列都合并成一行了,但是文件格式就变掉了,所以就没办法操作了)
awk '/>/{print "\n"$0;next}{printf $0}' 1.txt|awk NF|split -l 20000

求大神帮助,谢谢




论坛徽章:
6
程序设计版块每日发帖之星
日期:2016-05-11 06:20:00操作系统版块每日发帖之星
日期:2016-05-12 06:20:00每日论坛发贴之星
日期:2016-05-12 06:20:00操作系统版块每日发帖之星
日期:2016-05-14 06:20:00程序设计版块每日发帖之星
日期:2016-05-31 06:20:00每日论坛发贴之星
日期:2016-05-31 06:20:00
发表于 2018-06-13 02:17 |显示全部楼层
本帖最后由 1cpuer 于 2018-06-13 02:36 编辑

回复 1# 蓝色未央
awk '/>/{printf "\n"$0 ;next}{printf "!+-! "$0}' l
seq 12 | awk NF                                         
1
2
3
4
5
6
7
8
9
10
11
12

awk NF 是啥意思

论坛徽章:
0
发表于 2018-06-13 08:41 |显示全部楼层
回复 2# 1cpuer

去掉一个空行

论坛徽章:
19
程序设计版块每日发帖之星
日期:2016-05-03 06:20:0015-16赛季CBA联赛之山西
日期:2018-08-07 19:46:2315-16赛季CBA联赛之佛山
日期:2018-08-03 13:19:33黑曼巴
日期:2018-07-06 15:19:5015-16赛季CBA联赛之八一
日期:2018-07-05 10:34:0915-16赛季CBA联赛之八一
日期:2018-07-03 16:56:4615-16赛季CBA联赛之深圳
日期:2018-06-15 14:59:3715-16赛季CBA联赛之青岛
日期:2018-06-08 13:45:2815-16赛季CBA联赛之同曦
日期:2018-06-04 19:42:2015-16赛季CBA联赛之山东
日期:2018-05-30 12:44:59CU十四周年纪念徽章
日期:2018-05-15 11:36:3815-16赛季CBA联赛之广东
日期:2018-05-14 09:52:42
发表于 2018-06-13 10:05 |显示全部楼层
回复 1# 蓝色未央


  1. 10000个header分成100个文件,每个文件包含100个header
  2. awk '/^>/{i++;if(i%101==0){j++}}{print>j+1".txt"}' file
复制代码

评分

参与人数 1信誉积分 +10 收起 理由
蓝色未央 + 10 赞一个!

查看全部评分

您需要登录后才可以回帖 登录 | 注册

本版积分规则

【内含福利】这个大会由AI推荐~
福利投放:从ChinaUnix社区申领报名可获得600元门票;到场可获得小米手环3一个

40+场AI前沿主题演讲, 五大AI专题论坛, 1000平米AI实景应用展区, 更有30+大咖亲临, 美国工程院院士丛京生、中国工程院院士高文、美国杜克大学终身副教授陈怡然、百度深度学习技术平台部负责人马艳军等顶级研究专家为你带来最前沿的AI分享。 金秋九月,AICC2018人工智能计算大会 与你,邀约北京!

报名了解>>
  

北京盛拓优讯信息技术有限公司. 版权所有 京ICP备16024965号 北京市公安局海淀分局网监中心备案编号:11010802020122
广播电视节目制作经营许可证(京) 字第1234号 中国互联网协会会员  联系我们:wangnan@it168.com
感谢所有关心和支持过ChinaUnix的朋友们 转载本站内容请注明原作者名及出处

清除 Cookies - ChinaUnix - Archiver - WAP - TOP