查找结果通过管道传输到 zcat，然后传输到 head

Question

我试图在很多 gzip 压缩的 csv 文件中搜索某个字符串，该字符串位于第一行，我的想法是通过组合 find、zcat 和 head 来获取每个文件的第一行。但我无法让他们一起工作。

$find . -name "*.gz" -print | xargs zcat -f | head -1
20051114083300,1070074.00,0.00000000
xargs: zcat: terminated by signal 13

example file:
$zcat 113.gz | head
20050629171845,1069335.50,-1.00000000
20050629171930,1069315.00,-1.00000000
20050629172015,1069382.50,-1.00000000
 .. and 2 milion rows like these ...

虽然我通过编写 bash 脚本、迭代文件并写入临时文件解决了这个问题，但很高兴知道我做错了什么、如何做以及是否有其他方法可以解决这个问题。

Answer 1

您应该发现这可行：

find . -name "*.gz" | while read -r file; do zcat -f "$file" | head -n 1; done

Answer 2

它按照你的要求工作了。

head 完成了它的工作，打印了一行，然后退出。然后，在 xargs 的支持下运行的 zcat 尝试写入关闭的管道，并收到了致命的 SIGPIPE。当它的孩子死掉时，xargs 报告了原因。

要获得所需的行为，您需要find -exec ... 构造或自定义zhead 来提供给 xargs。

添加了我在冰箱后面发现的垃圾代码：

#!/usr/bin/python

"""zhead - poor man's zcat file... | head -n
   no argument error checking, prefers to continue in the face of
   IO errors, with diagnostic to stderr

   sample usage: find ... | xargs zhead.py -1"""

import gzip
import sys

if sys.argv[1].startswith('-'):
    nlines = int(sys.argv[1][1:])
    start = 2
else:
    nlines = 10
    start = 1

for zfile in sys.argv[start:]:
    try:
        zin = gzip.open(zfile)
        for i in range(nlines):
            line = zin.readline()
            if not line:
                break
            print line,
    except Exception as err:
        print >> sys.stderr, zfile, err
    finally:
        try:
            zin.close()
        except:
            pass

它在大约一分钟内处理了 /usr/share/man 中的 10k 个文件。

Answer 3

如果您有 GNU Parallel http://www.gnu.org/software/parallel/安装：

find . -name '*.gz' | parallel 'zcat {} | head -n1'

观看 GNU Parallel 的介绍视频，网址为 http://www.youtube.com/watch? v=OpaiGYxkSuQ

Answer 4

zcat -r * 2>/dev/null | awk -vRS= -vFS="\n" '{print $1}'