Question

我正在尝试将一个大文件拆分成多个文件。如果“标签”被发现1000次。

这可以工作，但为每个标签写一个新文件。我应该如何摆放柜台？

awk '{print $0 RS > NR ".txt" ; close(NR".txt") }' RS="</tag>" big_file.txt

例如：

标签＆GT;
bla1
blub
/标签＆GT;

标签＆GT;
bla2
blub
/标签＆GT;

标签＆GT;
bla3
blub
/标签＆GT;

标签＆GT;
bla4
blub
/标签＆GT;

标签＆GT;
bla5
blub
/标签＆GT;

标签＆GT;
bla6
blub
/标签＆GT;

我想要的是什么：

文件1：标签＆GT;
bla1
blub
/标签＆GT;
标签＆GT;
bla2
blub
/标签＆GT;
标签＆GT;
bla3
blub
/标签＆GT;

文件2：标签＆GT;
bla4
blub
/标签＆GT;
标签＆GT;
bla5
blub
/标签＆GT;
标签＆GT;
bla6
blub
/标签＆GT;

等等

非常感谢

Answer 1

你的命令

awk '{print $0 RS > NR ".txt" ; close(NR".txt") }' RS="</tag>" big_file.txt

与我的awk版本不同（我使用mawk 1.3.3）。而不是将 big_file.txt 拆分为每个模式的许多文件

tag>
...
/tag>

它将 big_file.txt 的整个上下文写入文件 1.txt 。

但是为了解决您的问题，您可以尝试使用 sprintf 功能。对我来说，以下命令有效：

awk 'num = 2 { file = sprintf("small_file%s.txt", int(delim / num)); print > file; } /^\/tag>$/ { delim++ }'   < big_file.txt

此处变量 num 是所需的出现次数。

Answer 2

我不能宽容地使用</tag>来获取RS的值（RS只有在单个字符时才能很好地定义，或者为空，尽管在某些实现中它可能更长。但更重要的是，解析xml这种方式非常脆弱），但是如果你有一个解决方案，你喜欢使用NR为每条记录写一个新文件，你可以简单地用NR替换int(NR/1000)来获得你想要的行为

Y发生X次后AWK拆分文件

2 个答案: