将较大的文件拆分为较小的文件：有关“拆分”的帮助答案

【问题标题】：split larger file into smaller files: help regarding 'split'将较大的文件拆分为较小的文件：有关“拆分”的帮助
【发布时间】：2012-06-06 18:16:13
【问题描述】：

我有一个大文件（2GB），看起来像这样：

  >10GS_A
  YTVVYFPVRGRCAALRMLLADQGQSWKEEVVTVETWQEGSLKASCLYGQLPKFQDGD
  LTLYQSNTILRHLGRTLGLYGKDQQEAALVDMVNDGVEDLRCKYISLIYTNYEAGKD
  DYVKALPGQLKPFETLLSQNQGGKTFIVGDQISFADYNLLDLLLIHEVLAPGCLDAFP
  LLSAYVGRLSARPKLKAFLASPEYVNLPINGNGKQ 
  >11BA_A
  KESAAAKFERQHMDSGNSPSSSSNYCNLMMCCRKMTQGKCKPVNTFVHESLADVKAV
  CSQKKVTCKNGQTNCYQSKSTMRITDCRETGSSKYPNCAYKTTQVEKHIIVACGGKP
  SVPVHFDASV
  >11BG_A
  KESAAKFERQHMDSGNSPSSSSNYCNLMMCCRKMTQGKCKPVNTFVHESLADVKAVCSQKKVT
  CKNGQTNCYQSKSTMRITDCRETGSSKYPNCAYKTTQVEKHIIVACGGKPSVPVHFDASV
  >121P_A
  MTEYKLVVVGAGGVGKSALTIQLIQNHFVDEYDPTIEDSYRKQVVIDGETCLLDILDTAGQEEYSAMRD 
  QYMRTGEGFLCVFAINNTKSFEDIHQYREQIKRVKDSDDVPMVLVGNKCDLAARTVESRQAQDLARSYG
  IPYIETSAKTRQGVEDAFYTLVREIRQH

我想根据分隔符“>”将此文件拆分为更小的文件，在这种情况下，会生成 4 个包含以下文本并以下列方式命名的文件：

10gs_A.txt
11ba_A.txt
11bg_A.txt
121p_A.txt

它们包含以下内容： 10gs_A.txt

>10GS_A
YTVVYFPVRGRCAALRMLLADQGQSWKEEVVTVETWQEGSLKASCLYGQLPKFQDGD
LTLYQSNTILRHLGRTLGLYGKDQQEAALVDMVNDGVEDLRCKYISLIYTNYEAGKD
DYVKALPGQLKPFETLLSQNQGGKTFIVGDQISFADYNLLDLLLIHEVLAPGCLDAFP
LLSAYVGRLSARPKLKAFLASPEYVNLPINGNGKQ

11ba_A.txt

>11BA_A
KESAAAKFERQHMDSGNSPSSSSNYCNLMMCCRKMTQGKCKPVNTFVHESLADVKAV
CSQKKVTCKNGQTNCYQSKSTMRITDCRETGSSKYPNCAYKTTQVEKHIIVACGGKP
SVPVHFDASV

... 等等。我知道在 linux 中使用 split 命令分隔较大的文本文件，但是它将创建的文件命名为 temp00、temp01、temp03。有没有办法拆分这个较大的文件并根据我的需要命名文件？实现此目的的拆分功能是什么？

【问题讨论】：

标签： shell awk split gawk

【解决方案1】：

有了gawk，你可以做到-

gawk -v RS='>' 'NF{ print RS$0 > $1".txt" }' InputFile

【讨论】：

【解决方案2】：

使用 awk 脚本分割 mybigfile 怎么样

splitter.awk

BEGIN {outname = "noname.txt"}

/^>/  { outname = substr($0,2,40) ".txt"
        next }

      { print > outname }

如果要在输出中使用分隔符行，请使用以下内容：

splitter.awk

BEGIN {outname = "noname.txt"}

/^>/  { outname = substr($0,2,40) ".txt"}

      { print > outname }

然后运行这个文件

awk -f splitter.awk mybigfile

【讨论】：

嗨。这行得通。虽然，我还有一个问题，那就是：生成的文件的内容不是以 >10GS_A 或 >11BA_A 开头，正如我希望的那样。这可以在这个拆分器脚本中实现吗？
根据您的需要编辑答案并添加代码。还根据解决方案添加了更多标签。
这个可以适应一定行数后分割吗？