使用 awk、sed 或其他东西从大量文件中打印行的有效方法?

使用 awk、sed 或其他东西从大量文件中打印行的有效方法?

如果我有一个包含 800 万行的纯文本文件,并且我想将第 4,000,010 到 4,000,000 行打印到屏幕上,哪个会更有效:awk 还是 sed?

文本没有模式,不幸的是,数据库不是一个选项。我知道这并不理想,我只是好奇谁能更快地完成任务。

或者也许还有 sed 或 awk 更好的替代品?

答案1

两者都不是,使用tailorhead代替:

$ time tail -n 4000001 foo | head -n 11
real    0m0.039s
user    0m0.032s
sys     0m0.004s

$ time head -n 4000010 foo | tail -n 11
real    0m0.055s
user    0m0.064s
sys     0m0.036s

tail事实上始终更快。我运行这两个命令 100 次并计算它们的平均值:

尾巴:

real    0.03962
user    0.02956
sys     0.01456

头:

real    0.06284
user    0.07356
sys     0.07244

我认为tail速度更快,因为虽然它必须一直寻找到第 4e10 行,但它实际上不会打印任何内容,直到它到达那里,而head会打印所有内容直到第 4e10 + 10 行。


与其他一些按时间顺序排序的方法相比:

sed:

$ time sed -n 4000000,4000011p;q foo
real    0m0.312s
user    0m0.236s
sys     0m0.072s

珀尔:

$ time perl -ne 'next if $.<4000000; print; exit if $.>=4000010' foo 
real    0m1.000s
user    0m0.936s
sys     0m0.064s

awk:

$ time awk '(NR>=4000000 && NR<=4000010){print} (NR==4000010){exit}' foo 
real    0m0.955s
user    0m0.868s
sys     0m0.080s

基本上,规则是解析的越少,速度就越快。将输入视为只需要打印到屏幕上的数据流(就像tail以前那样)始终是最快的方法。

相关内容