将 1200 页文档拆分为 500 页，然后将剩余的

Question

我是 Unix 世界的新手，我有包含 1200 页的文本文件，以^L. 有没有一种有效的方法可以打破该文件，使每个文件有 2 个单独的文件，每个文件有 500 页，然后是第 3 个文件，其余的页面。

我在想像读取文件以定位第一个^L然后将接下来的 500 个输出计数到临时文件，继续读取以创建下一个临时文件还是有更有效的方法？

我的脚本是用运行MKS 工具包的bash 编写的。

Answer 1

假设每一页都以^L（一个字面量Ctrl+L）开头：

awk '/^L/ { p++ } (p-1) % 500 == 0 { f = FILENAME "-page-" p ".txt" } { print > f }' file.txt

这将计算行数^L，如果计数减 1 是 500 的因子（第 1 页、第 501 页、第 1001 页等），它将将该变量f设置为文件名以将以下文本输出到其中。

将^L在awk代码是不是两个字符^和L，但文字Ctrl+L（您可以键入此用Ctrl+VCtrl+L）。你也可以用它\014来代替。

对于一个小的测试文档test.txt：

^L
page 1
^L
page 2
^L
page 3
^L
page 4

... 并将 500 更改为 2 以进行测试，这将生成两个文件test.txt-page-1.txt和test.txt-page-3.txt，每个文件包含来自输​​入文件的两行（页面标记和文本）。

test.txt-page-1.txt：

^L
page 1
^L
page 2

test.txt-page-3.txt：

^L
page 3
^L
page 4

要解析的文件显然在第一页标记之前有一个标题。这个头需要被忽略。上述awk命令的以下变体执行此操作：

awk '/^L/ { p++ } (p-1) % 500 == 0 { f = FILENAME "-page-" p ".txt" } p > 0 { print > f }' file.txt

通过将输出限制p为大于零的时间，我们要求在输出任何内容之前至少已解析一个页面标记。