按 XML 标记拆分文件答案

【问题标题】：Split file by XML tag按 XML 标记拆分文件
【发布时间】：2013-03-19 15:42:32
【问题描述】：

我有一个非常大的 xml 文件 (1.25 GB)，我需要将其拆分为更小的文件才能处理它们。该文件包含以标签开头和结尾的语言数据：

你好

一个例子

本质上将是三个不同的文件：开始和结束由“文本”标签标记。例如：

文件 1

这是

文件 3

标签： xml unix tags split command

【解决方案1】：

在此处找到以下 PERL 程序：Split one file into multiple files based on delimiter

#!/usr/bin/perl
open(FI,"file.txt") or die;
$cur=0;
open(FO,">res.$cur.txt") or die;
while(<FI>)
{
    print FO $_;
    if(/^<\/text>/) # Added \
    {
        close(FO);
        $cur++;
        open(FO,">res.$cur.txt") or die;
    }
}
close(FO);

似乎也可以解决问题，没有上限。

干杯。

【讨论】：

【解决方案2】：

以下 awk 解决了这个问题，但不幸的是，输出文件限制在 1000 个左右

awk '{print $0 ""> "file" NR}' RS='' input-file

【讨论】：

【解决方案3】：

它比简单的 awk 命令复杂得多，而且我不知道文件是否很大，但是您可以尝试使用带有 result-document 的 XSLT V2.0 样式表来生成您的所有文件。

与正则表达式相比，使用 XSLT 的一个优点是，如果文件格式稍有变化，或者如果您要拆分的节点上有属性，它将有更好的支持。

【讨论】：

感谢您的提示。我一定会检查 XSLT V2.0。样式表。也只是作为参考，我同意你关于 awk 的看法（我得到的确切错误是：awk: cannot open "F1021" for output (Too many open files)