使用 bash 脚本将文本文件一分为二答案

【问题标题】：split text file in two using bash script使用 bash 脚本将文本文件一分为二
【发布时间】：2011-04-08 08:07:02
【问题描述】：

我有一个文本文件，中间有一个标记：

one
two
three
blah-blah *MARKER* blah-blah
four
five
six
...

我只需要将这个文件分成两个文件，第一个包含 MARKER 之前的所有内容，第二个包含 MARKER 之后的所有内容。似乎可以用 awk 或 sed 在一行中完成，我就是不知道怎么做。

我尝试了简单的方法 - 使用 csplit，但 csplit 不能很好地处理 Unicode 文本。

【问题讨论】：

【解决方案1】：

你可以用 awk 轻松做到这一点

awk -vRS="MARKER" '{print $0>NR".txt"}' file

【讨论】：

【解决方案2】：

试试这个：

awk '/MARKER/{n++}{print >"out" n ".txt" }' final.txt

它将从 final.txt 读取输入并生成 out1.txt、out2.txt 等...

【讨论】：

几乎成功了。不会搞砸 UTF-8，但会将 MARKER 留在第二个文件中。
您是否尝试过此处显示的解决方案：unix.com/shell-programming-scripting/… - 它使用csplit 并按照您想要的方式工作，即让标记退出文件。
不像描述的那样工作。需要 "BEGIN{n=1}" 否则初始文件将被命名为 "out.txt" 而不是 "out1.txt"。与你的注释相反。 -- 我试图通过编辑添加它，但它被拒绝了。

【解决方案3】：

sed -n '/MARKER/q;p' inputfile > outputfile1
sed -n '/MARKER/{:a;n;p;ba}' inputfile > outputfile2

或多合一：

sed -n -e '/MARKER/! w outputfile1' -e'/MARKER/{:a;n;w outputfile2' -e 'ba}' inputfile

【讨论】：

【解决方案4】：

split 命令几乎可以满足您的需求：

$ split -p '\*MARKER\*' splitee 
$ cat xaa
one
two
three
$ cat xab
blah-blah *MARKER* blah-blah
four
five
six
$ tail -n+2 xab
four
five
six

也许它已经足够满足您的需求了。

不过，我不知道 Unicode 是否比 csplit 更好。

【讨论】：

该选项在 GNU coreutils 中包含的 split 版本中似乎不可用；我假设您使用的是某种风格的 BSD。无论如何，在大多数 Linux 发行版等基于 GNU 的操作系统上，coreutils 包括 split 和 csplit，因此它们应该具有类似的 Unicode 行为。