更快更准确地计算除wc -l之外的行

时间:2014-06-11 09:39:40

标签: linux bash count lines wc

通常我使用wc -l来计算文件的行数。但是对于具有5 * 10 ^ 7行的文件,我只得到10 ^ 7作为答案。 我已经尝试了这里提出的所有内容: How to count lines in a document? 但它需要比wc -l花费更多的时间。

还有其他选择吗?

5 个答案:

答案 0 :(得分:3)

任何认真对待速度线计数的人都可以创建自己的实现:

#include <stdio.h>
#include <string.h>
#include <fcntl.h>

#define BUFFER_SIZE (1024 * 16)
char BUFFER[BUFFER_SIZE];

int main(int argc, char** argv) {
    unsigned int lines = 0;
    int fd, r;

    if (argc > 1) {
        char* file = argv[1];
        if ((fd = open(file, O_RDONLY)) == -1) {
            fprintf(stderr, "Unable to open file \"%s\".\n", file);
            return 1;
        }
    } else {
        fd = fileno(stdin);
    }

    while ((r = read(fd, BUFFER, BUFFER_SIZE)) > 0) {
        char* p = BUFFER;
        while ((p = memchr(p, '\n', (BUFFER + r) - p))) {
            ++p;
            ++lines;
        }
    }

    close(fd);

    if (r == -1) {
        fprintf(stderr, "Read error.\n");
        return 1;
    }

    printf("%d\n", lines);

    return 0;
}

用法

a < input
... | a
a file

示例:

# time ./wc temp.txt
10000000

real    0m0.115s
user    0m0.102s
sys     0m0.014s

# time wc -l temp.txt
10000000 temp.txt

real    0m0.120s
user    0m0.103s
sys     0m0.016s

* 使用GCC 4.8.2在具有AVX和SSE4.2的系统上本地编译-O3的代码。

答案 1 :(得分:1)

尝试使用nl,看看会发生什么......

答案 2 :(得分:1)

您可以尝试sed

sed -n '$=' file

=表示打印行号,而美元表示只在最后一行表示。 -n表示不要做太多其他事情。

或者这是Perl中的一种方式,将其保存为wc.pl并执行chmod +x wc.pl

#!/usr/bin/perl
use strict;
use warnings;

    my $filename = <@ARGV>;
    my $lines = 0;
    my $buffer;
    open(FILE, $filename) or die "ERROR: Can not open file: $!";
    while (sysread FILE, $buffer, 65536) {
        $lines += ($buffer =~ tr/\n//);
    }
    close FILE;
    print "$lines\n";

像这样运行:

wc.pl yourfile

基本上它一次以64kB的块读取你的文件,然后利用tr在要求删除所有换行符后返回它所做的替换次数的事实。

答案 3 :(得分:0)

取决于你如何打开文件,但可能从STDIN读取它而不是得到修复:

wc -l < file

答案 4 :(得分:0)

您可以使用awk获取行数,如下所示

awk 'END {print NR}' names.txt

(OR)使用while .. do .. done bash循环结构,如

CNT=0; while read -r LINE; do (( CNT++ )); done < names.txt; echo $CNT