Question

我有一个文件x，带有分隔符：

The first section

#!

The second section

#!

The third section

我想把它分成一系列单独的文件，例如：

The first section

#!

The second section

#!

The third section

我认为csplit将成为解决方案，其命令行如下：

$ csplit -sk x '/#!/' {9999}

但是第二个文件（xx01）最终包含两个分隔符：

#!

The second section

#!

如何以符合POSIX标准的方式完成我想要的任何想法？（是的，我可以找到Perl / Python / Ruby和朋友;但是，重点是扩展我的shell知识。）

我担心我在OSX csplit中发现了一个错误。人们可以给出以下结果，让我知道结果吗？

#!/bin/sh

test -e

work="$(basename $0).$RANDOM"
mkdir $work

csplit -sk -f "$work/" - '/#/' '{9999}' <<EOF
First
#
Second
#
Third
EOF

if [ $(grep -c '#' $work/01) -eq 2 ]; then
  echo FAIL Repeat
else
  echo PASS Repeat
fi

rm $work/*

csplit -sk -f "$work/" - '/#/' '/#/' <<EOF
First
#
Second
#
Third
EOF

if [ $(grep -c '#' $work/01) -eq 2 ]; then
  echo FAIL Exact
else
  echo PASS Exact
fi

uname -a

当我在Snow Leopard盒子上运行时，我得到：

$ ./csplit-test
csplit: #: no match
FAIL Repeat
PASS Exact
Darwin lani.bigpond 11.2.0 Darwin Kernel Version 11.2.0: Tue Aug  9 20:54:00 PDT 2011; root:xnu-1699.24.8~1/RELEASE_X86_64 x86_64

在我的Debian框中，我得到了：

$ sh ./csplit-test 
csplit: `/#/': match not found on repetition 2
PASS Repeat
PASS Exact

Answer 1

这似乎在LINUX上对我有用：

csplit -sk filename '/#!/' {*}

，并提供：

$ more xx00
The first section

$ more xx01
#!

The second section

$ more xx02
#!

The third section

您也可以使用Ruby或Perl在一个小小的脚本中执行此操作，并一起摆脱分隔符

在Fedora 13 Linux上：

$ ./test.sh 
csplit: `/#/': match not found on repetition 2
PASS Repeat
PASS Exact
Linux localhost.localdomain 2.6.34.8-68.fc13.x86_64 #1 SMP Thu Feb 17 15:03:58 UTC 2011 x86_64 x86_64 x86_64 GNU/Linux

Answer 2

哦，哦。（在Parallels VM中运行FreeBSD 8.1安装）

src ./test_split.sh
csplit: #: no match
FAIL Repeat
PASS Exact
FreeBSD <hostname> 8.1-RELEASE FreeBSD 8.1-RELEASE #0: Mon Jul 19 02:55:53 UTC 2010 root@almeida.cse.buffalo.edu:/usr/obj/usr/src/sys/GENERIC i386

Answer 3

虽然不理想，但您可以使用awk执行此类操作。

您的文件：

[jaypal:~/Temp] cat f0
The first section

#!

The second section

#!

The third section

使用此#!获取所有内容（您可以将其重定向到文件中）

[jaypal:~/Temp] awk '/#!/{exit;}1' f0 
The first section

获取#!后跟内容并在下一个#!之前拆分。

[jaypal:~/Temp] awk '/^#!/{x++}{print >(x".txt")}' f0
[jaypal:~/Temp] ls *.txt
1.txt 2.txt
[jaypal:~/Temp] cat 1.txt 
#!

The second section

[jaypal:~/Temp] cat 2.txt 
#!

The third section

使用perl这样的东西可以轻松解决这个问题 -

#!/usr/bin/perl

undef $/;
$_ = <>;
$n = 0;

for $match (split(/(?=#!)/)) {
      open(O, '>temp' . ++$n);
      print O $match;
      close(O);
}

脚本创建的文件：

[jaypal:~/Temp] cat temp1 
The first section

[jaypal:~/Temp] cat temp2 
#!

The second section

[jaypal:~/Temp] cat temp3 
#!

The third section

Answer 4

使用 awk 并在linux机器上测试它：

我的 awk 版本：

$ awk --version | head -1
GNU Awk 4.0.0

infile的内容：

$ cat infile
The first section

#!

The second section

#!

The third section

awk 脚本的内容：

$ cat script.awk
BEGIN {
        ## Set 'Input Record Separator' variable.
        RS = "#!";
}

{
        ## Set an integer variable as output file name.
        ++filenum;
}

## For first section.
FNR == 1 {
        ## Remove leading and trailing spaces.
        sub( /^\s+/, "", $0);
        sub( /\s+$/, "", $0);

        ## Print to output file.
        printf "%s\n", $0 > filenum ".txt"
}

## For sections from second one to last one.
FNR > 1 {
        ## Remove trailing spaces.
        sub( /\s+$/, "", $0);

        ## Print to output file.
        printf "%s%s\n", RS, $0 > filenum ".txt"
}

运行脚本：

$ awk -f script.awk infile

检查输出：

$ ls [0-9].txt
1.txt  2.txt  3.txt
$ cat 1.txt 
The first section
$ cat 2.txt 
#!

The second section
$ cat 3.txt 
#!

The third section

如何通过匹配行上下文来拆分文件？

4 个答案: