如何在 Linux 中根据记录数拆分分隔文本文件，该文件在数据字段中具有记录结束分隔符

Question

问题陈述：

我有一个从 Teradata 卸载的分隔文本文件，该文件恰好在数据字段中包含“\n”（换行符或 EOL 标记）。

同一 EOL 标记位于整行或整条记录的每一新行的末尾。

我需要将此文件拆分为两个或多个文件（基于我提供的记录数），同时在数据字段中保留换行符，但在每行末尾保留换行符。

例子：

1|Alan
Wake|15
2|Nathan
Drake|10
3|Gordon
Freeman|11

期待：

file1.txt

1|Alan
Wake|15
2|Nathan
Drake|10  

---

file2.txt

3|Gordon
Freeman|11 

我尝试过的：

 awk 'BEGIN{RS="\n"}NR%2==1{x="SplitF"++i;}{print > x}' inputfile.txt

代码无法区分数据字段换行符和实际换行符。有没有办法实现？

编辑:: 我已经用示例更改了问题陈述。请分享您对新示例的看法。

Answer 1

使用以下 awk 方法：

awk '{ r=(r!="")?r RS $0 : $0; if(NR%4==0){ print r > "file"++i".txt"; r="" } }
       END{ if(r) print r > "file"++i".txt" }' inputfile.txt

• NR%4==0 - 您的 logical 单行占用了两个 physical 记录，因此我们希望在每 4 条记录上分开

---

结果：

> cat file1.txt 
1|Alan
Wake
2|Nathan
Drake

---

> cat file2.txt 
3|Gordon
Freeman

Answer 2

如果您使用的是 GNU awk，您可以通过适当地设置 RS 来做到这一点，例如：

parse.awk

BEGIN { RS="[0-9]\\|" }

# Skip the empty first record by checking NF (Note: this will also skip
# any empty records later in the input)
NF {
  # Send record with the appropriate key to a numbered file
  printf("%s", d $0) > "file" i ".txt"
}

# When we found enough records, close current file and 
# prepare i for opening the next one
#
# Note: NR-1 because of the empty first record
(NR-1)%n == 0 { 
  close("file" i ".txt")
  i++
}

# Remember the record key in d, again, 
# becuase of the empty first record
{ d=RT }

像这样运行它：

gawk -f parse.awk n=2 infile

其中n 是要放入每个文件的记录数。

输出：

file1.txt

1|Alan
Wake|15
2|Nathan
Drake|10

file2.txt

3|Gordon
Freeman|11