如何在Red Hat Linux上使用标准工具将文件中的行随机化?
我没有shuf
命令,所以我要寻找的东西像一个perl
或awk
一个班轮是完成相同的任务。
如何在Red Hat Linux上使用标准工具将文件中的行随机化?
我没有shuf
命令,所以我要寻找的东西像一个perl
或awk
一个班轮是完成相同的任务。
Answers:
而您可以获得Perl一线服务!
perl -MList::Util -e 'print List::Util::shuffle <>'
它使用一个模块,但是该模块是Perl代码分发的一部分。如果那还不够好,您可以考虑自己动手。
我尝试将其与-i
标志(“就地编辑”)一起使用,以使其编辑文件。文档建议它应该起作用,但是不起作用。它仍然显示将改组后的文件输出到stdout,但是这次它将删除原始文件。我建议您不要使用它。
考虑一个shell脚本:
#!/bin/sh
if [[ $# -eq 0 ]]
then
echo "Usage: $0 [file ...]"
exit 1
fi
for i in "$@"
do
perl -MList::Util -e 'print List::Util::shuffle <>' $i > $i.new
if [[ `wc -c $i` -eq `wc -c $i.new` ]]
then
mv $i.new $i
else
echo "Error for file $i!"
fi
done
未经测试,但有望奏效。
ruby -e 'puts STDIN.readlines.shuffle'
。它需要对大量输入进行测试,以查看速度是否可比。(也适用于OS X)
shuf
将所有内容加载到内存中,因此无法用于真正的大文件(我的〜300GB tsv)。这个perl脚本在我的系统上也失败了,但没有错误Killed
。是否知道perl解决方案是否也将所有内容都加载到内存中,或者我遇到其他问题了?
嗯,别忘了
sort --random-sort
brew install coreutils
所有utils都带有ag前缀:gsort --random-sort
或gshuf
将按预期工作
gsort
并gshuf
安装了它port install coreutils
shuf
改用(在Linux上)。
shuf
是最好的方法。
sort -R
太慢了 我只是尝试对5GB文件进行排序。2.5小时后我放弃了。然后shuf
在一分钟内将其分类。
sort -R
很慢,因为它为每行计算一个哈希。从文档中:“ 通过对输入键进行哈希排序,然后对哈希值进行排序。 ”
shuf
将所有内容加载到内存中。
seq -f 'line %.0f' 1000000
采取了同样的,长的时间过程(多了,比用更长的时间shuf
),无论多大的内存分配我。
cat yourfile.txt | while IFS= read -r f; do printf "%05d %s\n" "$RANDOM" "$f"; done | sort -n | cut -c7-
读取文件,在每一行前添加一个随机数,然后在这些随机前缀上对文件进行排序,然后再剪切前缀。单线可在任何半现代外壳中使用。
编辑:纳入理查德·汉森的言论。
python的一线式:
python -c "import random, sys; lines = open(sys.argv[1]).readlines(); random.shuffle(lines); print ''.join(lines)," myFile
对于仅打印一条随机行:
python -c "import random, sys; print random.choice(open(sys.argv[1]).readlines())," myFile
但是请参阅这篇文章以了解python的缺点random.shuffle()
。它不适用于许多(超过2080个)元素。
与吉姆的答案有关:
我的~/.bashrc
包含以下内容:
unsort ()
{
LC_ALL=C sort -R "$@"
}
使用GNU coreutils的sort -R
= --random-sort
,它会生成每行的随机散列并按其进行排序。在某些较旧的(越野车)版本中,随机散列实际上不会在某些语言环境中使用,从而导致它返回正常排序的输出,这就是我设置的原因LC_ALL=C
。
与克里斯的答案有关:
perl -MList::Util=shuffle -e'print shuffle<>'
是一个略短的单线。(-Mmodule=a,b,c
是的简写-e 'use module qw(a b c);'
。)
对其进行简单修改的原因-i
不适用于就地改组,因为Perl希望print
在读取文件的同一循环中发生这种情况,并且print shuffle <>
直到所有输入文件都被读取并关闭后才输出。
作为更短的解决方法,
perl -MList::Util=shuffle -i -ne'BEGIN{undef$/}print shuffle split/^/m'
将就地随机播放文件。(-n
意思是“将代码包装在一个while (<>) {...}
循环中;BEGIN{undef$/}
使Perl一次处理文件而不是一次行,并且split/^/m
之所以需要Perl 是因为$_=<>
已隐式地对整个文件而不是行进行了操作。)
在OSX上,可以从http://ftp.gnu.org/gnu/coreutils/获取最新信息,例如
./configure make sudo make install
...应该给你/ usr / local / bin / sort --random-sort
不会弄乱/ usr / bin / sort