我想就如何对一个大文件进行子集（数百万行或几行）提供build议/帮助。
例如，
（1）我有大文件（百万行，制表符分隔）。 我想这个文件的一个子集只有从10000到100000的行。
（2）我有大文件（百万列，制表符分隔）。 我想这个文件的一个子集只有从10000到100000的列。
我知道有像头，尾巴，切，分裂，awk或sed的工具。 我可以使用它们来做简单的子集。 但是，我不知道该怎么做。
你能给我一些build议吗？ 提前致谢。
过滤行很容易，例如使用AWK：
cat largefile | awk 'NR >= 10000 && NR <= 100000 { print }' 使用CUT过滤列更容易：
cat largefile | cut -d '\t' -f 10000-100000
正如Rahul Dravid所说， cat在这里不是必须的，正如Zsolt Botykai所说的那样，
awk 'NR > 100000 { exit } NR >= 10000 && NR <= 100000' largefile cut -d '\t' -f 10000-100000 largefile
一些不同的方案：
对于行范围：在sed ：
sed -n 10000,100000p somefile.txt
对于awk列范围：
awk -vf=10000 -vt=100000 '{ for (i=f; i<=t;i++) printf("%s%s", $i,(i==t) ? "\n" : OFS) }' details.txt
对于第一个问题，从一个大文件中选择一组行，管尾对齐很简单。 您需要从10000行开始的largefile生成90000行。tail从10000行开始抓取大文件的后端，然后删除除90000行之外的所有行。
tail -n +10000 largefile | head -n 90000 -
被殴打到sed解决方案，所以我会张贴perl dito。 打印选定的行
$ seq 100 | perl -ne 'print if $. >= 10 && $. <= 20' 10 11 12 13 14 15 16 17 18 19 20
要打印选择性列，请使用
perl -lane 'print $F[1] .. $F[3] '
-F与-a一起使用来选择分隔线的分隔符。
为了测试，使用seq和paste来生成一些列
$ seq 50 | paste - - - - - 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50
让我们打印除第一列和最后一列外的所有内容
$ seq 50 | paste - - - - - | perl -lane 'print join " ", $F[1] .. $F[3]' 2 3 4 7 8 9 12 13 14 17 18 19 22 23 24 27 28 29 32 33 34 37 38 39 42 43 44 47 48 49
在上面的join语句中，有一个选项卡，通过执行ctrl-v选项卡。