从大文本文件（Geonames）中打开并提取信息

Question

我想列出英国所有主要城镇的名单。

Geonames似乎是一个很好的起点，虽然我需要在本地使用它（而不是API），因为我将在使用这些信息时离线工作。

由于geonames“allcountries.txt”文件的大小，它不会在Notepad，Notepad ++和Sublime上打开。我尝试在Excel中打开（包括数据建模功能），但该文件有超过一百万行，所以这也无法正常工作。

是否可以打开此文件，提取仅限英国的城市，并在Excel和/或其他软件中操作？我只是在地名，纬度，长，国名，大陆之后

Answer 1

@dedek的建议（在评论中）使用GB.txt绝对是针对您的特定情况的最佳答案。

我添加了另一个答案，因为此技术更加灵活，可让您按国家或其他任何列进行过滤。即，您可以调整此解决方案，以按语言，英国的地区，人口等进行过滤，或将其应用于“ citys5000.txt”文件。

解决方案：

使用grep查找与特定模式匹配的数据。本质上，下面的命令说的是，找到第8列正好是“ GB”的所有行。

grep -P "[^\t]*\t[^\t]*\t[^\t]*\t[^\t]*\t[^\t]*\t[^\t]*\t[^\t]*\t[^\t]*\tGB\t" allCountries.txt > UK.txt

（{grep是大多数Unix系统的标准配置，但是肯定有可以在Windows上运行的工具。）

详细信息：

• grep：正在执行的命令。
• \ t：TAB字符的缩写。
• -P：告诉grep使用Perl样式的正则表达式（否则grep可能无法将\t识别为TAB字符）。 （如果您使用的是grep的其他版本，则可能会有所不同。）
• [^ \ t] *：零个或多个非制表符，即可选的列值。
• > UK.txt：将命令的输出写入名为“ UK.txt”的文件。

同样，您可以修改此示例以过滤任何文件中的任何列。