Início / unix / Perguntas / 406382
Accepted
Vladislavs Dovgalecs
Asked: 2017-11-23 11:33:59 +0800 CST

Embaralhamento de arquivo de várias linhas

  • 772

Eu tenho um arquivo de texto com linhas vazias separando blocos de texto. Eu gostaria de usar as ferramentas de linha de comando *NIX para embaralhar este arquivo, respeitando a estrutura do bloco. Em outras palavras, na saída, gostaria de ver a alteração da ordem dos blocos; as linhas e sua ordem dentro do bloco permanecem as mesmas.

Exemplo de arquivo de entrada:

line 1
line 2

line 10
line 20
line 30

line 100
line 200

O arquivo de saída (após o shuffle):

line 10
line 20
line 30

line 1
line 2

line 100
line 200

Obviamente, executar repetidamente deve fornecer uma ordem diferente de blocos.

A primeira linha do arquivo é sempre não vazia. Não há linhas duplas em branco. A última linha do arquivo está sempre vazia.

Escrevi um script Python muito simples que lê todas as linhas em uma lista de listas, embaralha e dá saída. Estou curioso para saber se poderia fazer isso com as ferramentas padrão do *NIX.

awk text-processing

3 respostas

  1. Best Answer

    POSIXLY, você poderia fazer algo como:

    <file awk '
  BEGIN{srand(); n=rand()}
  {print n, NR, $0}
  !NF {n=rand()}
  END {if (NF) print n, NR+1, ""}' |
  sort -nk1 -k2 |
  cut -d' ' -f3-

    Ou seja, prefixe cada linha com <a-random-number-that-changes-with-each-paragraph>o número da linha e, em seguida, classifique numericamente no primeiro número e depois no segundo para manter a ordem das linhas nos parágrafos e remova os números extras.

    Pode-se querer canalizar para sed '$d'remover a linha em branco à direita.

    Esteja ciente de que, com a maioria das awkimplementações srand(), usa o tempo de época unix para semear o gerador de números pseudo-aleatórios, portanto, você pode obter o mesmo resultado se executar duas vezes no mesmo segundo (um bug histórico agora gravado na especificação POSIX, apesar de meus esforços, infelizmente ).

    • 8

  2. Usando as ferramentas GNU, isso divide os parágrafos em grupos separados por NUL, embaralha-os e remove os NULs:

    $ sed '1s/^/\n/; s/^$/\x00/' input | shuf -z | sed '1d; s/\x00//'
line 100
line 200

line 10
line 20
line 30

line 1
line 2

    Abordagem alternativa sem usar NUL

    Como nem todas as ferramentas suportam caracteres NUL, aqui está uma alternativa. Isso lê em parágrafos, substitui ~por novas linhas, embaralha e depois converte o ~verso em novas linhas antes de exibir os resultados:

    $ awk '{gsub(/\n/, "~")} 1' RS= input | shuf | awk '{gsub(/~/, "\n")} 1' ORS="\n\n"
line 10
line 20
line 30

line 100
line 200

line 1
line 2

    Se o seu texto puder conter ~, use outro caractere que o texto não contenha como separador de linha temporário.

    • 5

  3. Usando perl:

    perl -MList::Util -00 -e 'chomp(my @a=<>); print join("\n\n", List::Util::shuffle @a) . "\n";' < input

    Ou espalhe como um arquivo de script:

    #!/usr/bin/perl
use List::Util 'shuffle';
local $/ = "";  ## paragraph mode
chomp(my @a = <>);
print join("\n\n", shuffle @a) . "\n";
    • 5

relate perguntas