Comment supprimer toutes les lignes d'un fichier de moins de 6 caractères?

J'ai un fichier contenant environ 10 millions de lignes.

Je souhaite supprimer toutes les lignes du fichier contenant moins de six caractères.

Comment puis-je faire cela?

Il y a plusieurs façons de procéder.

En utilisant grep:

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

Contiendra désormais out.txtdes lignes de six caractères ou plus.

Inverse:

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

Utilisation sed, suppression de lignes de longueur 5 ou moins:

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

Inverser, imprimer des lignes de longueur six ou plus:

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

Vous pouvez enregistrer la sortie dans un fichier différent en utilisant l' >opérateur comme grepou modifier le fichier sur place en utilisant l' -ioption de sed:

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

Le fichier d'origine sera sauvegardé en tant que file.txt.baket le fichier modifié sera file.txt.

Si vous ne souhaitez pas conserver de sauvegarde:

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

Utiliser shell, Slower, Don't do this , c'est juste pour montrer une autre méthode:

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

L' utilisation python, encore plus lent que 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')

Mieux utiliser la compréhension des listes pour être plus 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')

C'est très simple:

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

Ceci est extrêmement efficace, car grepil n'essaiera pas d'analyser plus que ce dont il a besoin, ni d'interpréter les caractères de quelque manière que ce soit: il envoie simplement une ligne (entière) à stdout (que le shell redirige ensuite vers le fichier de résultats) dès qu'il a vu 6 les caractères sur cette ligne ( .dans un contexte d'expression régulière correspond à n'importe quel caractère).

Ainsi, grep ne sortira que les lignes ayant 6 (ou plus) caractères, et les autres ne sont pas sorties par grep, donc elles ne parviennent pas au fichier de résultats.

Solution n ° 1: utiliser C

Méthode la plus rapide: compilez et exécutez ce programme 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;
}

Compilez avec gcc program.c -o program, exécutez avec ./program file line_length(où file= chemin d'accès au fichier et line_length= longueur de ligne minimale, dans votre cas 6; la longueur de ligne maximale est limitée à des 1000000caractères par ligne; vous pouvez modifier cela en modifiant la valeur de MAX_BUFFER_SIZE).

(Astuce pour remplacer \npar \0trouvé ici .)

Comparaison avec toutes les autres solutions proposées à cette question à l'exception de la solution shell (test exécuté sur un fichier ~ 91MB avec 10M lignes avec une longueur moyenne de 8 caractères):

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

Solution n ° 2: en utilisant AWK:

awk 'length>=6' file

• length>=6: si length>=6renvoie VRAI, imprime l'enregistrement en cours.

Solution n ° 3: utiliser Perl:

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

• Si lenght>=6renvoie VRAI, imprime l'enregistrement en cours.

% 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

Vous pouvez utiliser Vim en mode Ex:

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

1. \v allume la magie

2. .{6} rechercher des lignes avec 6 caractères ou plus

3. v inverser la sélection

4. d supprimer

5. x sauver et fermer

Solution Ruby:

$ cat input.txt                                                                                                          
abcdef
abc
abcdefghijk

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

Idée simple: rediriger le fichier vers stdin de ruby ​​et imprimer la ligne depuis stdin uniquement si sa longueur est supérieure ou égale à 6