说我有一个巨大的文本文件（> 2GB），我只是想cat行X至Y（如57890000至57890010）。

据我了解，我可以通过管道做head成tail或反之亦然，即

head -A /path/to/file | tail -B

或者

tail -C /path/to/file | head -D

其中A，B，C并D可以从文件中的行数来计算，X和Y。

但是这种方法有两个问题：

1. 你必须计算A，B，C和D。
2. 该命令会pipe彼此有更多比我有兴趣阅读（例如，如果我在一个巨大的文件中间读短短的几行）线

有没有一种方法可以让Shell正常工作并输出所需的行？（同时仅提供X和Y）？

我建议sed解决方案，但是为了完整起见，

awk 'NR >= 57890000 && NR <= 57890010' /path/to/file

要在最后一行之后切出：

awk 'NR < 57890000 { next } { print } NR == 57890010 { exit }' /path/to/file

速度测试：

• 产生的100,000,000行文件 seq 100000000 > test.in
• 阅读线50,000,000-50,000,010
• 测试顺序不限
• realbash的内置时间报告的时间time

 4.373  4.418  4.395    tail -n+50000000 test.in | head -n10
 5.210  5.179  6.181    sed -n '50000000,50000010p;57890010q' test.in
 5.525  5.475  5.488    head -n50000010 test.in | tail -n10
 8.497  8.352  8.438    sed -n '50000000,50000010p' test.in
22.826 23.154 23.195    tail -n50000001 test.in | head -n10
25.694 25.908 27.638    ed -s test.in <<<"50000000,50000010p"
31.348 28.140 30.574    awk 'NR<57890000{next}1;NR==57890010{exit}' test.in
51.359 50.919 51.127    awk 'NR >= 57890000 && NR <= 57890010' test.in

这些绝不是精确的基准，但是差异明显且可重复，*可以很好地理解每个命令的相对速度。

*：除了前两个sed -n p;q和之间head|tail，它们似乎基本相同。

如果要包含X到Y行（从1开始编号），请使用

tail -n +$X /path/to/file | head -n $((Y-X+1))

tail将读取并丢弃前X-1行（没有办法解决），然后读取并打印以下行。head将读取并打印请求的行数，然后退出。当head退出时，tail接收SIGPIPE信号和死亡，因此它不会对已阅读比从输入文件中的行缓冲器的大小的值（通常是几千字节）以上。

或者，如gorkypl建议的那样，使用sed：

sed -n -e "$X,$Y p" -e "$Y q" /path/to/file

但是sed解决方案要慢得多（至少对于GNU实用程序和Busybox实用程序而言；如果您在管道传输缓慢且sed快速的OS上提取文件的很大一部分，则sed可能更具竞争力）。这是Linux下的快速基准测试；数据是由生成的seq 100000000 >/tmp/a，环境是Linux / amd64，/tmptmpfs，并且计算机处于空闲状态且未交换。

real  user  sys    command
 0.47  0.32  0.12  </tmp/a tail -n +50000001 | head -n 10 #GNU
 0.86  0.64  0.21  </tmp/a tail -n +50000001 | head -n 10 #BusyBox
 3.57  3.41  0.14  sed -n -e '50000000,50000010 p' -e '50000010q' /tmp/a #GNU
11.91 11.68  0.14  sed -n -e '50000000,50000010 p' -e '50000010q' /tmp/a #BusyBox
 1.04  0.60  0.46  </tmp/a tail -n +50000001 | head -n 40000001 >/dev/null #GNU
 7.12  6.58  0.55  </tmp/a tail -n +50000001 | head -n 40000001 >/dev/null #BusyBox
 9.95  9.54  0.28  sed -n -e '50000000,90000000 p' -e '90000000q' /tmp/a >/dev/null #GNU
23.76 23.13  0.31  sed -n -e '50000000,90000000 p' -e '90000000q' /tmp/a >/dev/null #BusyBox

如果知道要使用的字节范围，则可以通过直接跳到起始位置来更快地提取它。但是对于行，您必须从头开始阅读并计算换行符。要从0开始（从x包含到y互斥）提取块，块大小为b：

dd bs=$b seek=$x count=$((y-x)) </path/to/file

该head | tail方法是执行此操作的最佳方式和最佳方式之一：

X=57890000
Y=57890010
< infile.txt head -n "$Y" | tail -n +"$X"

正如Gilles在评论中指出的，更快的方法是

< infile.txt tail -n +"$X" | head -n "$((Y - X))"

之所以更快，是因为与该方法相比，前X-1条线不需要穿过管道head | tail。

您所说的问题有点误导人，并且可能解释了您对这种方法的一些毫无根据的疑虑。

• 你说你算算A，B，C，D但你可以看到，不需要文件的行数和最多1计算是必要的，其外壳能为你闲着。

• 您担心管道将读取比所需更多的行。实际上，这是不正确的：tail | head就文件I / O而言，效率差不多。首先，考虑所需的最少工作量：在文件中找到第X行，唯一的一般方法是读取每个字节并在计数X个换行符时停止，因为无法识别文件第X行的偏移量。一旦到达第* X *行，就必须阅读所有行以打印它们，并在第Y '行处停止。因此，任何方法都无法摆脱读取少于Y行的问题。现在，head -n $Y读取的内容不超过Y行（四舍五入到最接近的缓冲单元，但是如果正确使用缓冲会提高性能，所以不必担心开销）。此外，tail不会读取超过的内容head，因此，我们显示了head | tail读取的行数最少（再次加上一些我们忽略的可忽略的缓冲）。不使用管道的单个工具方法的唯一效率优势是更少的过程（因此开销也更少）。

最正统的方式（但不是最快的方式，如上面的Gilles所述）是使用sed。

在您的情况下：

X=57890000
Y=57890010
sed -n -e "$X,$Y p" -e "$Y q" filename

该-n选项意味着仅将相关行打印到stdout。

结束行号末尾的p表示在给定范围内打印行。该q在脚本的第二部分通过跳过文件的剩余部分可以节省一些时间。

如果我们知道要选择的范围，则从第一行：lStart到最后一行：lEnd我们可以计算：

lCount="$((lEnd-lStart+1))"

如果我们知道总行数：lAll我们还可以计算到文件末尾的距离：

toEnd="$((lAll-lStart+1))"

然后，我们将两者都知道：

"how far from the start"            ($lStart) and
"how far from the end of the file"  ($toEnd).

从以下任何一项中选择最小的一项tailnumber：

tailnumber="$toEnd"; (( toEnd > lStart )) && tailnumber="+$linestart"

允许我们使用执行速度最快的命令：

tail -n"${tailnumber}" ${thefile} | head -n${lCount}

请注意，当$linestart选择了附加的加号（“ +”）。

唯一的警告是我们需要总行数，这可能需要一些额外的时间才能找到。
与往常一样：

linesall="$(wc -l < "$thefile" )"

测量的一些时间是：

lStart |500| lEnd |500| lCount |11|
real   user   sys    frac
0.002  0.000  0.000  0.00  | command == tail -n"+500" test.in | head -n1
0.002  0.000  0.000  0.00  | command == tail -n+500 test.in | head -n1
3.230  2.520  0.700  99.68 | command == tail -n99999501 test.in | head -n1
0.001  0.000  0.000  0.00  | command == head -n500 test.in | tail -n1
0.001  0.000  0.000  0.00  | command == sed -n -e "500,500p;500q" test.in
0.002  0.000  0.000  0.00  | command == awk 'NR<'500'{next}1;NR=='500'{exit}' test.in


lStart |50000000| lEnd |50000010| lCount |11|
real   user   sys    frac
0.977  0.644  0.328  99.50 | command == tail -n"+50000000" test.in | head -n11
1.069  0.756  0.308  99.58 | command == tail -n+50000000 test.in | head -n11
1.823  1.512  0.308  99.85 | command == tail -n50000001 test.in | head -n11
1.950  2.396  1.284  188.77| command == head -n50000010 test.in | tail -n11
5.477  5.116  0.348  99.76 | command == sed -n -e "50000000,50000010p;50000010q" test.in
10.124  9.669  0.448  99.92| command == awk 'NR<'50000000'{next}1;NR=='50000010'{exit}' test.in


lStart |99999000| lEnd |99999010| lCount |11|
real   user   sys    frac
0.001  0.000  0.000  0.00  | command == tail -n"1001" test.in | head -n11
1.960  1.292  0.660  99.61 | command == tail -n+99999000 test.in | head -n11
0.001  0.000  0.000  0.00  | command == tail -n1001 test.in | head -n11
4.043  4.704  2.704  183.25| command == head -n99999010 test.in | tail -n11
10.346  9.641  0.692  99.88| command == sed -n -e "99999000,99999010p;99999010q" test.in
21.653  20.873  0.744  99.83 | command == awk 'NR<'99999000'{next}1;NR=='99999010'{exit}' test.in

请注意，如果选定的行位于起点或终点附近，则时间会急剧变化。在文件的一侧看起来运行良好的命令在文件的另一侧可能非常慢。

我经常这样做，所以写了这个脚本。我不需要找到行号，脚本可以完成所有操作。

#!/bin/bash

# $1: start time
# $2: end time
# $3: log file to read
# $4: output file

# i.e. log_slice.sh 18:33 19:40 /var/log/my.log /var/log/myslice.log

if [[ $# != 4 ]] ; then 
echo 'usage: log_slice.sh <start time> <end time> <log file> <output file>'
echo
exit;
fi

if [ ! -f $3 ] ; then
echo "'$3' doesn't seem to exit."
echo 'exiting.'
exit;
fi

sline=$(grep -n " ${1}" $3|head -1|cut -d: -f1)  #what line number is first occurrance of start time
eline=$(grep -n " ${2}" $3|head -1|cut -d: -f1)  #what line number is first occurrance of end time

linediff="$((eline-sline))"

tail -n+${sline} $3|head -n$linediff > $4