我熟悉linux中的split命令。如果我有一个100行的文件，
split -l 5 myfile.txt
...将myfile.txt分成20个文件，每个文件有5行，并将它们写入文件。
我的问题是，我希望按列进行此操作。如果文件有100列，制表符分隔，是否有类似的命令将此文件拆分为20个较小的文件，每个文件有5列和所有行？
我知道如何使用剪切，但是我希望有一个简单的UNIX命令，我从来没有听说过，如果不用perl或其他东西剪切，就可以实现这一目的。
提前致谢。
答案 0 :(得分：8)
#!/bin/bash
(($# == 2)) || { echo -e "\nUsage: $0 <file to split> <# columns in each split>\n\n"; exit; }
infile="$1"
inc=$2
ncol=$(awk 'NR==1{print NF}' "$infile")
((inc < ncol)) || { echo -e "\nSplit size >= number of columns\n\n"; exit; }
for((i=0, start=1, end=$inc; i < ncol/inc + 1; i++, start+=inc, end+=inc)); do
cut -f$start-$end "$infile" > "${infile}.$i"
done
答案 1 :(得分：3)
如果你只需要一个QAD（Quick＆amp; Dirty）解决方案，在我的情况下是一个固定的8列;分开的csv
#!/bin/bash
# delimiter is ;
cut -d';' -f1 "$1" > "${1}.1"
cut -d';' -f2 "$1" > "${1}.2"
cut -d';' -f3 "$1" > "${1}.3"
cut -d';' -f4 "$1" > "${1}.4"
cut -d';' -f5 "$1" > "${1}.5"
cut -d';' -f6 "$1" > "${1}.6"
cut -d';' -f7 "$1" > "${1}.7"
cut -d';' -f8 "$1" > "${1}.8"
答案 2 :(得分：1)
感谢您的帮助。我希望有一个类似于split的unix命令，但我最终通过SiegeX的建议用perl包装了cut命令。
#!/usr/bin/perl
chomp(my $pwd = `pwd`);
my $help = "\nUsage: $0 <file to split> <# columns in each split>\n\n";
die $help if @ARGV!=2;
$infile = $ARGV[0];
chomp($ncol = `head -n 1 $infile | wc -w`);
$start=1;
$inc = $ARGV[1];
$end = $start+$inc-1;
die "\nSplit size >= number of columns\n\n" if $inc>=$ncol;
for($i=1 ; $i<$ncol/$inc +1 ; $i++) {
if ($end>$ncol) {$end=$ncol;}
`cut -f $start-$end $infile > $infile.$i`;
$start += $inc;
$end += $inc;
}
答案 3 :(得分：0)
# do something smarter with output files (& clear on start)
XIFS="${IFS}"
IFS=$'\t'
while read -a LINE; do
for (( i=0; i< ${#LINE[@]}; i++ )); do
echo "${LINE[$i]}" >> /tmp/outfile${i}
done
done < infile
IFS="${XIFS}"
尝试上述...使用文件名'infile'
请注意保存和恢复IFS（有没有人有更好的想法？子shell？）
另请注意，如果您再次运行，则会附加此选项 - 您可能希望删除之前运行的输出...
答案 4 :(得分：0)
在这里你有我的解决方案：
首先是输入生成器：
1 #!/usr/bin/env ruby
2 #
3 def usage(e)
4 puts "Usage #{__FILE__} <n_rows> <n_cols>"
5 exit e
6 end
7
8 usage 1 unless ARGV.size == 2
9
10 rows, cols = ARGV.map{|e| e.to_i}
11 (1..rows).each do |l|
12 (1..cols).each {|c| printf "%s ", c }
13 puts ""
14 end
拆分工具：
1 #!/usr/bin/env ruby
2 #
3
4 def usage(e)
5 puts "Usage #{__FILE__} <column_start> <column_end>"
6 exit e
7 end
8
9 usage 1 unless ARGV.size == 2
10
11 c_start, c_end = ARGV.map{|e| e.to_i}
12 i = 0
13 buffer = []
14 $stdin.each_line do |l|
15 i += 1
16 buffer << l.split[c_start..c_end].join(" ")
17 $stderr.printf "\r%d", i if i % 100000 == 0
18 end
19 $stderr.puts ""
20 buffer.each {|l| puts l}
请注意，拆分工具会将数字值转储给stderr 它正在处理中，所以你可以知道它的进展速度。
另外，我假设分隔符是一个空格。
如何运行它的示例：
$ time ./gen.data.rb 1000 10 | ./split.rb 0 4 > ./out
生成1000行，每行10列，并拆分前5列。我用时间（1） 测量运行时间。
我们可以使用一点oneliner来执行您请求的拆分（顺序）。这个很 易于在单个节点中并行处理（检查bash构建命令等待）或 将它们发送到集群。
$ ruby -e '(0..103).each {|i| puts "cat input.txt | ./split.rb #{i-4} #{i} > out.#{i/4}" if i % 4 == 0 && i > 0}' | /bin/bash
基本上产生：
cat input.txt | ./split.rb 0 4 > out.1
cat input.txt | ./split.rb 4 8 > out.2
cat input.txt | ./split.rb 8 12 > out.3
cat input.txt | ./split.rb 12 16 > out.4
cat input.txt | ./split.rb 16 20 > out.5
cat input.txt | ./split.rb 20 24 > out.6
cat input.txt | ./split.rb 24 28 > out.7
cat input.txt | ./split.rb 28 32 > out.8
cat input.txt | ./split.rb 32 36 > out.9
cat input.txt | ./split.rb 36 40 > out.10
cat input.txt | ./split.rb 40 44 > out.11
cat input.txt | ./split.rb 44 48 > out.12
cat input.txt | ./split.rb 48 52 > out.13
cat input.txt | ./split.rb 52 56 > out.14
cat input.txt | ./split.rb 56 60 > out.15
cat input.txt | ./split.rb 60 64 > out.16
cat input.txt | ./split.rb 64 68 > out.17
cat input.txt | ./split.rb 68 72 > out.18
cat input.txt | ./split.rb 72 76 > out.19
cat input.txt | ./split.rb 76 80 > out.20
cat input.txt | ./split.rb 80 84 > out.21
cat input.txt | ./split.rb 84 88 > out.22
cat input.txt | ./split.rb 88 92 > out.23
cat input.txt | ./split.rb 92 96 > out.24
cat input.txt | ./split.rb 96 100 > out.25
并通过管道进行猛击。
要小心你并行计算的进程数（或作业数），因为它会淹没你的进程 存储（除非您有独立的存储卷）。
希望有所帮助。让我们知道它的速度有多快。
-drd
答案 5 :(得分：0)
Split实际上可以通过一些预处理来实现您的目标
sed -E $'s/(([^\t]+\t){4}[^\t]+)\t/\\1\\n/g' myfile.txt | split -nr/20
这将写出20个带有x前缀的文件（在我的split版本中）。您可以通过以下方式验证此方法：
paste x* | cmp - myfile.txt
基本上这样做是使用sed将每行拆分为20行，然后使用拆分循环块将每行写入相应的文件。要使用其他分隔符，请切换表达式中的选项卡。数字4应该是每个文件的列数 - 1，而拆分结束时的20是文件数。要拆分的其他参数可用于修改写入的文件名。此示例使用bashes转义扩展将标签写入sed表达式和可以使用+运算符的sed版本，但如果系统上没有这些效果，则可以通过其他方式实现这些效果。 / p>
我在coreutils邮件列表上从Reuti获得了这个解决方案的变体。
答案 6 :(得分：0)
没有直接相似的东西可以按列拆分文件。但是，您可以直接使用AWK：
以下在包含input_file列的输出文件中拆分NUMBER
awk 'BEGIN{FS="\t"; m=NUMBER }
{ for(i=1;i<=NF;++i) {
s = (i%m==1 ? $i : s FS $i);
if (i%m==0 || i==NF) {print s > (sprintf("out.%0.5d",int(i/m)+(i%m!=0)))}
}}' input_file
以下在input_file个输出文件中拆分CHUNKS
awk 'BEGIN{FS="\t"; n=CHUNKS}
(NR==1){ m=int(NF/n)+(NF%n==0) }
{ for(i=1;i<=NF;++i) {
s = (i%m==1 ? $i : s FS $i);
if (i%m==0 || i==NF) {print s > (sprintf("out.%0.5d",int(i/m)+(i%m!=0)))}
}}' input_file