Question

我正在尝试在很多gziped csv文件中搜索某个字符串，该字符串位于第一行，我的想法是通过组合find，zcat和head来获取每个文件的第一行。但我不能让他们一起工作。

$find . -name "*.gz" -print | xargs zcat -f | head -1
20051114083300,1070074.00,0.00000000
xargs: zcat: terminated by signal 13

example file:
$zcat 113.gz | head
20050629171845,1069335.50,-1.00000000
20050629171930,1069315.00,-1.00000000
20050629172015,1069382.50,-1.00000000
 .. and 2 milion rows like these ...

虽然我通过编写bash脚本，迭代文件并写入临时文件来解决问题，但知道我做错了什么，怎么做以及是否还有其他方法可以解决问题关于它。

Answer 1

你会发现这会起作用：

find . -name "*.gz" | while read -r file; do zcat -f "$file" | head -n 1; done

Answer 2

它按照你的要求工作。

head完成了它的工作，打印了一行，然后退出了。 zcat然后在xargs的赞助下运行，试图写入封闭的管道并收到致命的SIGPIPE。有了孩子的死，xargs报告了为什么。

要获得所需的行为，您需要find -exec ...构建或自定义zhead来提供给xargs。

我在冰箱后面添加了垃圾代码：

#!/usr/bin/python

"""zhead - poor man's zcat file... | head -n
   no argument error checking, prefers to continue in the face of
   IO errors, with diagnostic to stderr

   sample usage: find ... | xargs zhead.py -1"""

import gzip
import sys

if sys.argv[1].startswith('-'):
    nlines = int(sys.argv[1][1:])
    start = 2
else:
    nlines = 10
    start = 1

for zfile in sys.argv[start:]:
    try:
        zin = gzip.open(zfile)
        for i in range(nlines):
            line = zin.readline()
            if not line:
                break
            print line,
    except Exception as err:
        print >> sys.stderr, zfile, err
    finally:
        try:
            zin.close()
        except:
            pass

它在大约一分钟内处理了/ usr / share / man中的10k文件。

Answer 3

如果您安装了GNU Parallel http://www.gnu.org/software/parallel/：

find . -name '*.gz' | parallel 'zcat {} | head -n1'

在http://www.youtube.com/watch?v=OpaiGYxkSuQ

观看GNU Parallel的介绍视频

Answer 4

zcat -r * 2>/dev/null | awk -vRS= -vFS="\n" '{print $1}'

找到通过管道传输到zcat然后到头的结果

4 个答案: