我有以下形式的数据:
<j> <l> <n> "jd".
<K> <J> <N> <D>.
<A> <B> <D> <F>.
<E> <F> <G> "abc".
<A> <B> <C> <D>.
<G> <k> "jd" "l".
我需要对数据进行排序,以便仅对奇数行进行排序,并根据奇数行对相应的偶数行进行排序。即文件的排序仅使用奇数行进行,即仅对以下行进行排序:
<j> <l> <n> "jd".
<A> <B> <D> <F>.
<A> <B> <C> <D>.
到
<A> <B> <C> <D>.
<A> <B> <D> <F>.
<j> <l> <n> "jd".
偶数行按原样获得副本。例如,上面的排序顺序将是:
<A> <B> <C> <D>.
<G> <k> "jd" "l".
<A> <B> <D> <F>.
<E> <F> <G> "abc".
<j> <l> <n> "jd".
<K> <J> <N> <D>.
现在偶数行"<G> <k> "jd" "l"."
总是出现在奇数行"<A> <B> <C> <D>."
之后和偶数行 "<E> <F> <G> "abc". "
总是出现在奇数行"<A> <B> <D> <F>."
之后和偶数行 "<K> <J> <N> <D>."
出现在奇数行<j> <l> <n> "jd".
之后
我尝试使用带有并行选项的 linux sort 命令,因为我的文件大小是 200 GB——但这样做会打乱奇数行的顺序。有没有办法使用 linux sort 命令或使用一些 python 程序我可以实现 200 GB 文件的预期行为
最佳答案
由于您使用的是 linux,我假设您已经安装了 vim(我的 ubuntu 机器上默认安装了一个最小版本。 如果没有,请先安装它。
我相信 vim 可以毫不费力地处理大文件(不像记事本)
- 使用 vim,将每一行与其下面的行合并
输入.dat
<j> <l> <n> "jd".
<K> <J> <N> <D>.
<A> <B> <D> <F>.
<E> <F> <G> "abc".
<A> <B> <C> <D>.
<G> <k> "jd" "l".
ex input.dat -c 'g/^/j' -c 'sav! joined.dat' -c q
加入.dat:
<j> <l> <n> "jd". <K> <J> <N> <D>.
<A> <B> <D> <F>a <E> <F> <G> "abc".
<A> <B> <C> <D>. <G> <k> "jd" "l".
g 是全局命令,它匹配以行开头 (^)(即每一行)的每一行并执行连接命令。 之后,您会将每条偶数线附加到其之前的不均匀线,并用两个空格分隔。
然后它保存(覆盖!)为 joined.dat 并退出
- 像通常使用 sort 命令一样对 joined.dat 文件进行排序
Sorted.dat
<A> <B> <C> <D>. <G> <k> "jd" "l".
<A> <B> <D> <F>a <E> <F> <G> "abc".
<j> <l> <n> "jd". <K> <J> <N> <D>.
- “取消加入”您在第一步加入的内容
sed 's/. /.\n/' sorted.dat > finishedproduct.dat
这假设您的初始文件在每一行的末尾都有一个点。
注意:如果您使用相同的文件作为 sed 的输入和输出,我相信您会得到一个空白文件。
成品.dat:
<A> <B> <C> <D>.
<G> <k> "jd" "l".
<A> <B> <D> <F>.
<E> <F> <G> "abc".
<j> <l> <n> "jd".
<K> <J> <N> <D>.
在这种情况下,sed 基本上将一个点和两个空格替换为一个点和一个换行符,有效地替换了 vim 引入的用于连接行的两个空格。
我知道这不是一个非常优雅的解决方案(更不用说 pythonic 了),但它避免了“必须编写自定义程序”及其涉及的内存问题。 ;)
关于python - 按所需顺序对大文件进行排序,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/32250759/