Zufällige Zeilen aus einer Datei auswählen

Question

In einem Bash-Skript möchte ich N zufällige Zeilen aus einer Eingabedatei heraussuchen und in eine andere Datei ausgeben.

Wie lässt sich das bewerkstelligen?

Answer 1

Nur der Vollständigkeit halber und weil es in den Arch-Community-Repos verfügbar ist: Es gibt auch ein Tool namens shuffle aber es hat keine Befehlszeilenschalter, um die Anzahl der Zeilen zu begrenzen, und warnt in seiner Manpage: "Da shuffle die Eingabe in den Speicher liest, kann es bei sehr großen Dateien fehlschlagen."

Answer 2

# Function to sample N lines randomly from a file
# Parameter $1: Name of the original file
# Parameter $2: N lines to be sampled 
rand_line_sampler() {
    N_t=$(awk '{print $1}' $1 | wc -l) # Number of total lines

    N_t_m_d=$(( $N_t - $2 - 1 )) # Number oftotal lines minus desired number of lines

    N_d_m_1=$(( $2 - 1)) # Number of desired lines minus 1

    # vector to have the 0 (fail) with size of N_t_m_d 
    echo '0' > vector_0.temp
    for i in $(seq 1 1 $N_t_m_d); do
            echo "0" >> vector_0.temp
    done

    # vector to have the 1 (success) with size of desired number of lines
    echo '1' > vector_1.temp
    for i in $(seq 1 1 $N_d_m_1); do
            echo "1" >> vector_1.temp
    done

    cat vector_1.temp vector_0.temp | shuf > rand_vector.temp

    paste -d" " rand_vector.temp $1 |
    awk '$1 != 0 {$1=""; print}' |
    sed 's/^ *//' > sampled_file.txt # file with the sampled lines

    rm vector_0.temp vector_1.temp rand_vector.temp
}

rand_line_sampler "parameter_1" "parameter_2"

Answer 3

Im Folgenden steht 'c' für die Anzahl der Zeilen, die aus der Eingabe ausgewählt werden sollen. Ändern Sie nach Bedarf:

#!/bin/sh

gawk '
BEGIN   { srand(); c = 5 }
c/NR >= rand() { lines[x++ % c] = $0 }
END { for (i in lines)  print lines[i] }

' "$@"