У меня есть файл, содержащий приблизительно 10 миллионов строк.
Я хочу удалить все строки в файле, которые являются меньше чем шестью символами.
Как я делаю это?
Существует много способов сделать это.
Используя grep
:
grep -E '^.{6,}$' file.txt >out.txt
Теперь out.txt
будет содержать строки, имеющие шесть или больше символов.
Обратный путь:
grep -vE '^.{,5}$' file.txt >out.txt
Используя sed
, удаление строк длины 5 или меньше:
sed -r '/^.{,5}$/d' file.txt
Обратный путь, печатая строки длины шесть или больше:
sed -nr '/^.{6,}$/p' file.txt
Можно сохранить вывод в другом использовании файла >
оператор как grep
или отредактируйте файл оперативное использование -i
опция sed
:
sed -ri.bak '/^.{6,}$/' file.txt
Исходный файл будет сохранен как file.txt.bak
и измененный файл будет file.txt
.
Если Вы не хотите сохранять резервное копирование:
sed -ri '/^.{6,}$/' file.txt
Используя оболочку, Медленнее, не делайте этого, это только ради показа другого метода:
while IFS= read -r line; do [ "${#line}" -ge 6 ] && echo "$line"; done <file.txt
Используя python
, еще медленнее, чем grep
, sed
:
#!/usr/bin/env python2
with open('file.txt') as f:
for line in f:
if len(line.rstrip('\n')) >= 6:
print line.rstrip('\n')
Лучше используйте понимание списка, чтобы быть большим количеством Pythonic:
#!/usr/bin/env python2
with open('file.txt') as f:
strip = str.rstrip
print '\n'.join([line for line in f if len(strip(line, '\n')) >= 6]).rstrip('\n')
Это очень просто:
grep ...... inputfile > resultfile #There are 6 dots
Это чрезвычайно эффективно, поскольку grep
не попытается проанализировать больше, чем этому нужно, ни интерпретировать символы всегда: это просто отправляет (целую) строку в stdout (который оболочка затем перенаправляет к resultfile) , как только это видело, 6 символов на той строке (.
в regexp контексте соответствует любому 1 символу).
, Таким образом, grep только произведет строки, имеющие 6 (или больше) символы, и другие не производятся grep, таким образом, они не добираются до resultfile.
Можно использовать Vim в режиме Ex:
ex -sc 'v/\v.{6}/d' -cx file
\v
включают волшебство
.{6}
, находят строки с 6 или больше символами
v
, выбор инвертирования
d
удаляет
x
, сохраняют и закрываются
Самый быстрый путь: скомпилируйте и запустите эту программу C:
#include <stdio.h>
#include <stdlib.h>
#include <string.h>
#define MAX_BUFFER_SIZE 1000000
int main(int argc, char *argv[]) {
int length;
if(argc == 3)
length = atoi(argv[2]);
else
return 1;
FILE *file = fopen(argv[1], "r");
if(file != NULL) {
char line[MAX_BUFFER_SIZE];
while(fgets(line, sizeof line, file) != NULL) {
char *pos;
if((pos = strchr(line, '\n')) != NULL)
*pos = '\0';
if(strlen(line) >= length)
printf("%s\n", line);
}
fclose(file);
}
else {
perror(argv[1]);
return 1;
}
return 0;
}
Скомпилируйте с gcc program.c -o program
, выполненный с ./program file line_length
(где file
= соедините каналом в файл и line_length
= минимальная длина строки, в Вашем случае 6
; максимальная длина строки ограничена 1000000
символы на строку; можно изменить это путем изменения значения MAX_BUFFER_SIZE
).
(Прием для замены \n
с \0
найденный здесь.)
Сравнение со всеми другими решениями, предложенными этому вопросу кроме решения для оболочки (тестовый прогон на ~91MB файле с 10M строки со средней длиной 8 символов):
time ./foo file 6
real 0m1.592s
user 0m0.712s
sys 0m0.160s
time grep ...... file
real 0m1.945s
user 0m0.912s
sys 0m0.176s
time grep -E '^.{6,}$'
real 0m2.178s
user 0m1.124s
sys 0m0.152s
time awk 'length>=6' file
real 0m2.261s
user 0m1.228s
sys 0m0.160s
time perl -lne 'length>=6&&print' file
real 0m4.252s
user 0m3.220s
sys 0m0.164s
sed -r '/^.{,5}$/d' file >out
real 0m7.947s
user 0m7.064s
sys 0m0.120s
./script.py >out
real 0m8.154s
user 0m7.184s
sys 0m0.164s
awk 'length>=6' file
length>=6
: если length>=6
возвраты ПРАВДА, печатает текущую запись.perl -lne 'length>=6&&print' file
lenght>=6
возвраты ПРАВДА, печатает текущую запись.% cat file
a
bb
ccc
dddd
eeeee
ffffff
ggggggg
% ./foo file 6
ffffff
ggggggg
% awk 'length>=6' file
ffffff
ggggggg
% perl -lne 'length>=6&&print' file
ffffff
ggggggg
Решение Ruby:
$ cat input.txt
abcdef
abc
abcdefghijk
$ ruby -ne 'puts $_ if $_.chomp.length() >= 6 ' < input.txt
abcdef
abcdefghijk
Простая идея: файл перенаправления в stdin рубина и строка печати от stdin, только если это - длина, больше или равная 6