dividir un archivo: sustituir `egrep` en `sed`

Question

quiero dividir mi$archivoque contieneXlíneas por la mitad y verifique cuántas líneas contienen "muerto" en un registro. Comencé con lo siguiente:

half=`expr $(egrep -c . $file) / 2`

sed -n 1,${half}p $file | 
    xargs echo $file $half $(egrep -c dead $I) > log_1
sed -n ${half},${egrep -c . $file}p | 
    xargs echo $file $half $(egrep -c dead $I) > log_2

La salida del primer sedcomando está bien, pero cuando se sustituye egrepen el rango sedsale mal:

DeadOrAlive 5 2
-bash: ${half},${egrep -c . $file}p: bad substitution

¿Existe una forma más eficiente de dividir el archivo bash?

Answer 1

1. Usando wc, heady tail:

   half=$(( $(wc -l "$file")/2 ))
   head -$half | egrep -c dead | xargs echo "$file" $half > log_1
   tail -$half | egrep -c dead | xargs echo "$file" $half > log_2
   

2. Usando split:

   split -a1 --numeric-suffixes=1 -n 'l/2' "$file" "$file"_
   echo "$file" "$file"_1 $(egrep -c dead "$file_1") > log_1
   echo "$file" "$file"_2 $(egrep -c dead "$file"_2) > log_2
   rm "$file"_[12]
   

Answer 2

Aquí hay una solución Awk.

awk '/dead/ { a[++n] = NR }
    END { for (i=1; i<=n; i++) if (a[i] > NR/2) break
        print ARGV, int(NR/2), i-1 >"log_1";
        print ARGV, int(NR/2)+(int(NR/2)!=NR/2), n-i+1 >"log_2" }' file

Recopilamos en la matriz alos números de línea de las coincidencias. Luego calculamos cuántos números de línea en la matriz son más pequeños que la línea del medio; su recuento se asigna a la primera partición. (Tenemos que usarlo i-1porque ya hemos pasado el punto de partición cuando salimos breakdel bucle).

En general, conviene evitar releer el mismo archivo muchas veces, especialmente si puede ser grande; y en segundo lugar, intentar minimizar el número de procesos.

No está claro qué espera que contenga el campo de salida del medio. Si el archivo contiene un número impar de líneas, la primera "mitad" contendrá una línea menos que la segunda partición. (Esto no es difícil de cambiar, pero hay que decidir de una forma u otra).