Como eu seleciono eficientemente números de linha específicos de uma lista de registros?

Question

Eu quero ter uma lista de números representando números de linha de um arquivo de origem que eu quero filtrar e filtrar essas linhas do arquivo de origem. Como posso construir um pipeline unix para extrair essas linhas do arquivo de origem?

O pipeline pode se parecer com:

cat sourcefile.tsv | some-filter linenumbers.txt  > extractedrecords.tsv

Eu não consigo pensar em uma combinação de ferramentas unix para fazer isso fora do topo da minha cabeça. O substituto é escrever um script bash que use sed -n [number]p sourcefile.tsv para cada número em linenumbers.txt.

Se meu plano de fallback for razoavelmente eficiente em comparação com as alternativas, por favor me avise também.

    

Answer 1

Supondo que linenumbers.txt tenha um número por linha

awk 'NR == FNR{a[$0]; next};FNR in a' linenumbers.txt sourcefile.csv > extractedrecords.tsv

Pode fazer o trabalho.

Ou com bash

join  -t':' -o2.1,2.2  <(sort linenumbers.txt) <(awk '{print NR":"$0}' \
sourcefile.csv | sort -k1,1 -t':')  | sort -k1,1n -t':' | cut -f2- -d':'

Todos os arcos adicionais são necessários porque join não suporta arquivos de entrada numericamente classificados

    

Answer 2

Você está no caminho certo com o sed: tudo o que você precisa fazer é transformar sua lista de números de linha a ser seguida por p e newline e usar isso como um script sed. Por exemplo, se você tiver uma lista separada por espaços:

lines="2 3 5 7 11 13"
<sourcefile.tsv sed -n "$(echo "$lines" | sed 's/$/p/; s/ /p\n/')"  >extractedrecords.tsv

Awk é outra possibilidade.

lines="2 3 5 7 11 13"
export lines
<sourcefile.tsv awk '" "ENVIRON["lines"]" " ~ " "NR" "' >extractedrecords.tsv