高效删除超大文本文件的最后两行

高效删除超大文本文件的最后两行

我有一个非常大的文件(约 400 GB),我需要从中删除最后两行。我尝试使用sed,但它运行了几个小时才放弃。有没有快速的方法可以做到这一点,还是我只能使用sed

答案1

我还没有在大文件上尝试过这个来查看它的速度有多快,但它应该相当快。

要使用脚本从文件末尾删除行:

./shorten.py 2 large_file.txt

它寻找文件末尾,检查以确保最后一个字符是换行符,然后向后逐个读取每个字符,直到找到三个换行符,并在该点之后截断文件。更改已就位。

编辑:我在底部添加了一个 Python 2.4 版本。

以下是适用于 Python 2.5/2.6 的版本:

#!/usr/bin/env python2.5
from __future__ import with_statement
# also tested with Python 2.6

import os, sys

if len(sys.argv) != 3:
    print sys.argv[0] + ": Invalid number of arguments."
    print "Usage: " + sys.argv[0] + " linecount filename"
    print "to remove linecount lines from the end of the file"
    exit(2)

number = int(sys.argv[1])
file = sys.argv[2]
count = 0

with open(file,'r+b') as f:
    f.seek(0, os.SEEK_END)
    end = f.tell()
    while f.tell() > 0:
        f.seek(-1, os.SEEK_CUR)
        char = f.read(1)
        if char != '\n' and f.tell() == end:
            print "No change: file does not end with a newline"
            exit(1)
        if char == '\n':
            count += 1
        if count == number + 1:
            f.truncate()
            print "Removed " + str(number) + " lines from end of file"
            exit(0)
        f.seek(-1, os.SEEK_CUR)

if count < number + 1:
    print "No change: requested removal would leave empty file"
    exit(3)

以下是 Python 3 版本:

#!/usr/bin/env python3.0

import os, sys

if len(sys.argv) != 3:
    print(sys.argv[0] + ": Invalid number of arguments.")
    print ("Usage: " + sys.argv[0] + " linecount filename")
    print ("to remove linecount lines from the end of the file")
    exit(2)

number = int(sys.argv[1])
file = sys.argv[2]
count = 0

with open(file,'r+b', buffering=0) as f:
    f.seek(0, os.SEEK_END)
    end = f.tell()
    while f.tell() > 0:
        f.seek(-1, os.SEEK_CUR)
        print(f.tell())
        char = f.read(1)
        if char != b'\n' and f.tell() == end:
            print ("No change: file does not end with a newline")
            exit(1)
        if char == b'\n':
            count += 1
        if count == number + 1:
            f.truncate()
            print ("Removed " + str(number) + " lines from end of file")
            exit(0)
        f.seek(-1, os.SEEK_CUR)

if count < number + 1:
    print("No change: requested removal would leave empty file")
    exit(3)

以下是 Python 2.4 版本:

#!/usr/bin/env python2.4

import sys

if len(sys.argv) != 3:
    print sys.argv[0] + ": Invalid number of arguments."
    print "Usage: " + sys.argv[0] + " linecount filename"
    print "to remove linecount lines from the end of the file"
    sys.exit(2)

number = int(sys.argv[1])
file = sys.argv[2]
count = 0
SEEK_CUR = 1
SEEK_END = 2

f = open(file,'r+b')
f.seek(0, SEEK_END)
end = f.tell()

while f.tell() > 0:
    f.seek(-1, SEEK_CUR)
    char = f.read(1)
    if char != '\n' and f.tell() == end:
        print "No change: file does not end with a newline"
        f.close()
        sys.exit(1)
    if char == '\n':
        count += 1
    if count == number + 1:
        f.truncate()
        print "Removed " + str(number) + " lines from end of file"
        f.close()
        sys.exit(0)
    f.seek(-1, SEEK_CUR)

if count < number + 1:
    print "No change: requested removal would leave empty file"
    f.close()
    sys.exit(3)

答案2

你可以尝试 GNU head

head -n -2 file

答案3

我看到我的 Debian Squeeze/测试系统(但不是 Lenny/stable)包含一个“truncate”命令作为“coreutils”包的一部分。

有了它你可以简单地做类似的事情

truncate --size=-160 myfile

从文件末尾删除 160 个字节(显然您需要确定需要删除多少个字符)。

答案4

尝试一下 VIM...我不确定它是否有效,因为我从来没有在这么大的文件上使用过它,但是我过去曾在较小的较大文件上使用过它,尝试一下。

相关内容