Как удалить все строки в файле длиной менее 6 символов?

У меня есть файл, содержащий около 10 миллионов строк.

Я хочу удалить все строки в файле длиной менее шести символов.

Как мне это сделать?

Есть много способов сделать это.

Использование grep:

grep -E '^.{6,}$' file.txt >out.txt

Теперь out.txtбудет содержать строки, имеющие шесть или более символов.

Обратный путь:

grep -vE '^.{,5}$' file.txt >out.txt

Используя sed, удаляя строки длиной 5 или меньше:

sed -r '/^.{,5}$/d' file.txt

Обратный путь, печать строк длиной шесть и более:

sed -nr '/^.{6,}$/p' file.txt 

Вы можете сохранить вывод в другом файле, используя >оператор как grepили отредактировать файл на месте, используя -iпараметр sed:

sed -ri.bak '/^.{6,}$/' file.txt 

Резервное копирование исходного файла будет выполнено так же, как file.txt.bakи измененный файл file.txt.

Если вы не хотите хранить резервную копию:

sed -ri '/^.{6,}$/' file.txt

Используя shell, Slower, не делайте этого , это просто для того, чтобы показать другой метод:

while IFS= read -r line; do [ "${#line}" -ge 6 ] && echo "$line"; done <file.txt

Использование pythonдаже медленнее , чем grep, sed:

#!/usr/bin/env python2
with open('file.txt') as f:
    for line in f:
        if len(line.rstrip('\n')) >= 6:
            print line.rstrip('\n')

Лучше использовать понимание списка, чтобы быть более Pythonic:

#!/usr/bin/env python2
with open('file.txt') as f:
     strip = str.rstrip
     print '\n'.join([line for line in f if len(strip(line, '\n')) >= 6]).rstrip('\n')

Это очень просто:

grep ...... inputfile > resultfile   #There are 6 dots

Это чрезвычайно эффективно, так как grepне будет пытаться ни анализировать больше, чем нужно, ни каким-либо образом интерпретировать символы: он просто отправляет (целую) строку в stdout (который оболочка затем перенаправляет в файл результатов), как только увидит 6 символы в этой строке ( .в контексте регулярного выражения соответствует любому 1 символу).

Таким образом, grep будет выводить только строки с 6 (или более) символами, а остальные не выводятся с помощью grep, поэтому они не преобразуются в файл результата.

Решение № 1: использование C

Самый быстрый способ: скомпилировать и запустить эту программу на C:

#include <stdio.h>
#include <stdlib.h>
#include <string.h>

#define MAX_BUFFER_SIZE 1000000

int main(int argc, char *argv[]) {
    int length;

    if(argc == 3)
        length = atoi(argv[2]);
    else
        return 1;

    FILE *file = fopen(argv[1], "r");

    if(file != NULL) {
        char line[MAX_BUFFER_SIZE];

        while(fgets(line, sizeof line, file) != NULL) {
            char *pos;

            if((pos = strchr(line, '\n')) != NULL)
                *pos = '\0';
            if(strlen(line) >= length)
                printf("%s\n", line);
        }

        fclose(file);
    }
    else {
        perror(argv[1]);
        return 1;
    }

    return 0;
}

Скомпилируйте с gcc program.c -o program, запустите с ./program file line_length(где file= путь к файлу и line_length= минимальная длина строки, в вашем случае 6; максимальная длина строки ограничена 1000000символами в строке; вы можете изменить это, изменив значение MAX_BUFFER_SIZE).

(Trick для замены \nс \0найден здесь .)

Сравнение со всеми другими решениями, предложенными для этого вопроса, за исключением решения оболочки (тестовый запуск файла ~ 91 МБ с 10M строками со средней длиной 8 символов):

time ./foo file 6

real    0m1.592s
user    0m0.712s
sys 0m0.160s

time grep ...... file

real    0m1.945s
user    0m0.912s
sys 0m0.176s

time grep -E '^.{6,}$'

real    0m2.178s
user    0m1.124s
sys 0m0.152s

time awk 'length>=6' file

real    0m2.261s
user    0m1.228s
sys 0m0.160s

time perl -lne 'length>=6&&print' file

real    0m4.252s
user    0m3.220s
sys 0m0.164s

sed -r '/^.{,5}$/d' file >out

real    0m7.947s
user    0m7.064s
sys 0m0.120s

./script.py >out
real    0m8.154s
user    0m7.184s
sys 0m0.164s

Решение № 2: использование AWK:

awk 'length>=6' file

• length>=6: если length>=6возвращает TRUE, печатает текущую запись.

Решение № 3: использование Perl:

perl -lne 'length>=6&&print' file

• Если lenght>=6возвращает TRUE, печатает текущую запись.

% cat file
a
bb
ccc
dddd
eeeee
ffffff
ggggggg
% ./foo file 6
ffffff
ggggggg
% awk 'length>=6' file   
ffffff
ggggggg
% perl -lne 'length>=6&&print' file
ffffff
ggggggg

Вы можете использовать Vim в режиме Ex:

ex -sc 'v/\v.{6}/d' -cx file

1. \v включить магию

2. .{6} найти строки с 6 или более символами

3. v наоборот

4. d удалять

5. x сохранить и закрыть

Рубиновое решение:

$ cat input.txt                                                                                                          
abcdef
abc
abcdefghijk

$ ruby -ne 'puts $_ if $_.chomp.length() >= 6 ' < input.txt                                                              
abcdef
abcdefghijk

Простая идея: перенаправить файл в стандартный ruby ​​и выводить строку из стандартного stdin, только если его длина больше или равна 6