如何将一个大的文本文件分割成具有相等行数的小文件?

我有一个大的(按行数)纯文本文件，我想把它分成更小的文件，也按行数。因此，如果我的文件有大约2M行，我想把它分成10个包含200k行的文件，或100个包含20k行的文件(加上一个文件;是否能被均匀整除并不重要)。

我可以在Python中相当容易地做到这一点，但我想知道是否有任何一种忍者方法来使用Bash和Unix实用程序(而不是手动循环和计数/分区行)。

当前回答

如果你只是想用x行数来分割每个文件，给出的关于分割的答案是可以的。但是，我很好奇为什么没有人关注这些要求:

"without have to count them" ->使用wc + cut "有剩余的额外文件" ->分裂默认情况下

我不能没有“wc + cut”，但我正在使用它:

split -l  $(expr `wc $filename | cut -d ' ' -f3` / $chunks) $filename

这可以很容易地添加到你的.bashrc文件函数中，所以你可以调用它，传递文件名和块:

 split -l  $(expr `wc $1 | cut -d ' ' -f3` / $2) $1

如果您想在额外的文件中只有x个块而没有余数，只需调整公式对每个文件进行求和(chunks - 1)。我确实使用这种方法，因为通常我只想要x个文件数量，而不是每个文件x行:

split -l  $(expr `wc $1 | cut -d ' ' -f3` / $2 + `expr $2 - 1`) $1

你可以把它添加到一个脚本，并称之为你的“忍者方式”，因为如果没有适合你的需求，你可以构建它:-)

2017-10-23 23:31:36

其他回答

使用split命令:

split -l 200000 mybigfile.txt

2010-01-06 22:45:05

这里有一个例子，把文件“toSplit.txt”分成200行小文件“splited00.txt”，splited01.txt，…"splited25.txt"…

split -l 200——numeric-suffix——additional-suffix=".txt

2022-12-17 07:21:55

Use:

sed -n '1,100p' filename > output.txt

这里，1和100是您将在output.txt中捕获的行号。

2016-04-21 09:27:07

看看split命令:

$ 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   use suffixes of length N (default 2)
  -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  use numeric suffixes instead of alphabetic
  -l, --lines=NUMBER      put NUMBER lines per output file
      --verbose           print a diagnostic to standard error just
                            before each output file is opened
      --help     display this help and exit
      --version  output version information and exit

你可以这样做:

split -l 200000 filename

它将创建文件，每个文件有200000行，命名为xaa xab xac…

另一个选项，按输出文件的大小分割(仍然在换行符上分割):

 split -C 20m --numeric-suffixes input_filename output_prefix

创建类似output_prefix01 output_prefix02 output_prefix03…每个最大大小为20兆字节。

2010-01-06 22:44:37