如何将大型文本文件拆分为行数相等的较小文件？

Question

如何将大型文本文件拆分为行数相等的较小文件？我有一个大的(按行数)纯文本文件，我想把它分割成更小的文件，也按行数来划分。因此，如果我的文件有大约200万行，我想将它分成10个包含200 k行的文件，或者100个包含20k行的文件(再加上一个包含其余部分的文件；是否均匀可除并不重要)。在Python中，我可以很容易地做到这一点，但我想知道是否有一种使用bash和unix utils(而不是手动循环和计数/分区行)的忍者方法。

Answer 1

你看过拆分命令了吗？

$ split --help
Usage: split [OPTION] [INPUT [PREFIX]]
Output fixed-size pieces of INPUT to PREFIXaa, PREFIXab, ...; default
size is 1000 lines, and default PREFIX is `x'.  With no INPUT, or when INPUT
is -, read standard input.

Mandatory arguments to long options are mandatory for short options too.
  -a, --suffix-length=N   use suffixes of length N (default 2)
  -b, --bytes=SIZE        put SIZE bytes per output file
  -C, --line-bytes=SIZE   put at most SIZE bytes of lines per output file
  -d, --numeric-suffixes  use numeric suffixes instead of alphabetic
  -l, --lines=NUMBER      put NUMBER lines per output file
      --verbose           print a diagnostic to standard error just
                            before each output file is opened
      --help     display this help and exit
      --version  output version information and exit

你可以这样做：

split -l 200000 filename

，它将创建文件，每个文件都有200000行名为xaa xab xac ...

另一个选项，按输出文件的大小拆分(仍在断线上拆分)：

 split -C 20m --numeric-suffixes input_filename output_prefix

创建这样的文件output_prefix01 output_prefix02 output_prefix03 ...每个最大尺寸20兆字节。

Answer 2

是的，有一个split命令。它将按行或字节拆分文件。

$ split --help
Usage: split [OPTION]... [INPUT [PREFIX]]
Output fixed-size pieces of INPUT to PREFIXaa, PREFIXab, ...; default
size is 1000 lines, and default PREFIX is `x'.  With no INPUT, or when INPUT
is -, read standard input.

Mandatory arguments to long options are mandatory for short options too.
  -a, --suffix-length=N   use suffixes of length N (default 2)
  -b, --bytes=SIZE        put SIZE bytes per output file
  -C, --line-bytes=SIZE   put at most SIZE bytes of lines per output file
  -d, --numeric-suffixes  use numeric suffixes instead of alphabetic
  -l, --lines=NUMBER      put NUMBER lines per output file
      --verbose           print a diagnostic just before each
                            output file is opened
      --help     display this help and exit
      --version  output version information and exit

SIZE may have a multiplier suffix:
b 512, kB 1000, K 1024, MB 1000*1000, M 1024*1024,
GB 1000*1000*1000, G 1024*1024*1024, and so on for T, P, E, Z, Y.