我有两个句子对齐的平行语料库（文本文件），大约有 5000 万个单词。（来自 Europarl 语料库 -> 法律文件的平行翻译）。我现在想打乱两个文件的行，但都以相同的方式。我想使用 gshuf（我在 Mac 上）使用一个独特的随机源来解决这个问题。
gshuf --random-source /path/to/some/random/data file1
gshuf --random-source /path/to/some/random/data file2
但是我收到了错误消息end of file，因为显然随机种子需要包含要排序的文件包含的所有单词。真的吗？如果是，我应该如何创建一个适合我需要的随机种子？如果不是，我可以通过什么其他方式并行随机化文件？我想过将它们粘贴在一起，随机化然后再次拆分。但是，这看起来很难看，因为我需要首先找到文件中没有的分隔符。