除了wc -l以外的其他更快，更精确的方法来计算行数

Question

通常，我使用wc -l来计数文件的行数。 但是对于5 * 10 ^ 7行的文件，我只能得到10 ^ 7作为答案。 我已经尝试过这里提出的所有建议： 如何计算文档中的行数？ 但这要比wc -l花费更多的时间。

还有其他选择吗？

Answer 1

认真考虑速度线计数的任何人都可以创建自己的实现：

#include <stdio.h>
#include <string.h>
#include <fcntl.h>

#define BUFFER_SIZE (1024 * 16)
char BUFFER[BUFFER_SIZE];

int main(int argc, char** argv) {
    unsigned int lines = 0;
    int fd, r;

    if (argc > 1) {
        char* file = argv[1];
        if ((fd = open(file, O_RDONLY)) == -1) {
            fprintf(stderr, "Unable to open file \"%s\".\n", file);
            return 1;
        }
    } else {
        fd = fileno(stdin);
    }

    while ((r = read(fd, BUFFER, BUFFER_SIZE)) > 0) {
        char* p = BUFFER;
        while ((p = memchr(p, '\n', (BUFFER + r) - p))) {
            ++p;
            ++lines;
        }
    }

    close(fd);

    if (r == -1) {
        fprintf(stderr, "Read error.\n");
        return 1;
    }

    printf("%d\n", lines);

    return 0;
}

用法

a < input
... | a
a file

例：

# time ./wc temp.txt
10000000

real    0m0.115s
user    0m0.102s
sys     0m0.014s

# time wc -l temp.txt
10000000 temp.txt

real    0m0.120s
user    0m0.103s
sys     0m0.016s

*在使用GCC 4.8.2的具有AVX和SSE4.2的系统上以-O3本地编译的代码。

Answer 2

尝试使用nl，看看会发生什么...

Answer 3

您可以尝试sed

sed -n '$=' file

=表示打印行号，而美元表示仅在最后一行执行。 -n表示不要做太多其他事情。

或者这是Perl中的一种方法，将其另存为wc.pl并执行chmod +x wc.pl ：

#!/usr/bin/perl
use strict;
use warnings;

    my $filename = <@ARGV>;
    my $lines = 0;
    my $buffer;
    open(FILE, $filename) or die "ERROR: Can not open file: $!";
    while (sysread FILE, $buffer, 65536) {
        $lines += ($buffer =~ tr/\n//);
    }
    close FILE;
    print "$lines\n";

像这样运行它：

wc.pl yourfile

基本上，它一次读取64kB块中的文件，然后利用tr请求删除所有换行符后返回的替换次数这一事实。

Answer 4

取决于打开文件的方式，但可能可以从STDIN读取文件，从而可以解决此问题：

wc -l < file

Answer 5

您可以像下面一样使用awk获取行数

awk 'END {print NR}' names.txt

（OR）使用while .. do .. done bash循环构造

CNT=0; while read -r LINE; do (( CNT++ )); done < names.txt; echo $CNT