让你提前认识软件开发(22)：shell脚本中的文件操作

最新推荐文章于 2024-07-17 09:49:50 发布

知识的港湾

最新推荐文章于 2024-07-17 09:49:50 发布

阅读量3.3k

点赞数

分类专栏：软件项目实践中的C语言一瞥软件项目实践中的C语言一瞥

本文链接：https://blog.csdn.net/zhouzhaoxiong1227/article/details/26094219

版权

软件项目实践中的C语言一瞥同时被 2 个专栏收录

63 篇文章 4 订阅

订阅专栏

软件项目实践中的C语言一瞥

42 篇文章 43 订阅

订阅专栏

第1部分重新认识C语言

shell脚本中的文件操作

【文章摘要】

编写shell脚本时，经常会涉及到对文件的操作，比如从文件中读取一行数据、向文件追加一行数据等。完成文件读写操作的方法有很多，了解各种命令下文件操作的执行情况，有助于开发人员在不同使用场景下选择合适的命令。

本文以实际的shell脚本为例，介绍了对文件进行操作的不同方法，为相关开发工作提供了参考。

【关键词】

shell 文件操作读写效率

一、概述

在某些软件项目的需求文档中，要求程序一次性读或写的数据规模较大，可达1000万行级，这就涉及到对程序执行方法和效率等的考虑。

本文比较了不同shell命令在对文件进行读或写操作过程中执行效率的不同，为大数据下文件操作命令的选择提供了参考。

二、文件比较算法流程介绍

文件比较算法的流程如图1所示。

图1 文件比较算法的流程

三、不同的文件内容读取命令

1. sed逐行读取数据

该命令在一个循环里，依次读取文件的每一行内容。

(1) 读取方法

举例：读取f1文件的第一行：sed –n 1p f1

读取f1文件的第二行：sed –n 2p f1

该命令实现简单，逻辑清晰。

(2) 性能问题

如果用该命令进行大数据量(在十万数量级以上)的读取，发现程序执行效率低下，耗时较多(具体参见第3小节中的原因分析)。

2. 运用exec及read读取文件内容

(1) 打开读文件句柄

exec 3<testfile

其中，3是文件描述符(文件句柄)，在linux取大于等于3的值(在aix下只能为[3,9]之间的值)，该文描述符后续用来读取一行数据和关闭文件；testfile是要打开的文件。

(2) 读取一行数据

read str<&3

其中，3表示从该文件描述符读取数据；str是变量，用于保存从文件中读取的行数据。

(3) 关闭文件句柄

exec 3<&-

3. sed、exec及read读取文件内容测试脚本及效率比较

测试用exec及read方式逐行读取完一个122880行的文件，而用sed方式逐行读取完一个4995行的数据，测试脚本(命名为Test1.sh)如下：

#!/bin/sh
 
file="Test1"
file_row_count=`wc -l ${file} | awk '{print $1}'`
 
date
 
exec 3<${file}
 
i=0
while [ $i -lt $file_row_count ]
do
    read s1<&3
    i=$((${i}+1))
done
 
exec 3<&-
 
################################################
 
file="Test2"
file_row_count=`wc -l ${file} | awk '{print $1}'`
 
date
 
i=1
while [ $i -le $file_row_count ]
do
    s1=`sed -n "${i}p" "${file}"`
    i=$((${i}+1))
done
 
date;

测试结果如下：

(1) 测试文件内容行数

zhou@linux:~/zhouzx/sh> wc -l Test1 Test2

122880 Test1

4995 Test2

127875 total

(2) 脚本执行结果

zhou@linux:~/zhouzx/sh> ./Test1.sh

Wed May 14 15:18:56 CST 2014

Wed May 14 15:18:59 CST 2014

Wed May 14 15:19:12 CST 2014

从执行结果可以看出，用exec及read方式逐行读取完一个122880行的文件耗时3秒，而sed方式逐行读取完一个4995行的数据需要13秒。可见，运用exec及read后的文件读取效率有大幅的提升。

(3) sed命令在大数据量(在十万数量级以上)下读取效率低下原因分析

经分析，问题原因是sed命令读取一行数据太耗时。

sed读取一行数据有两个耗时的地方：

1) 每读取一行都会打开和关闭文件句柄，频繁的打开和关闭文件句柄成本高昂。

2) sed读取某一行时有一个定位的过程，比如想要读取第10万行，则该命令执行时首先需要从头开始查找一直定位到第10万行，此种执行方式的成本也很高，并且随着数据行数的增加成本不断地增加。

上面的两个耗时的地方在只执行一次sed命令读取一行数据时并不明显，但将该命令放在一个100万级的循环内，其效率问题就显得非常突出了。

四、不同的写文件方式

主要有两种方式。

1. 运用>>向文件追加一行数据

这是常用的操作方式。

2. 运用exec方式向文件追加数据

(1) 打开写文件句柄

exec 3>testfile

3是文件描述符(文件句柄)，在linux下取大于等于3的值(在aix下只能为[3,9]之间的值)，该文描述符后续用来读取一行数据和关闭文件；testfile是要打开的文件。

(2) 写入一行数据

echo “${str}”>&3

3表示从该文件描述符读取数据；str是变量，表示向文件描述符写入的行数据。

(3) 关闭写文件句柄

exec 3>&-

3. 写文件内容测试脚本及效率比较

测试用>>方式向文件追加100万行数据，同时用exec方式向文件追加100万行数据，测试脚本(命名为Test2.sh)如下：

#!/bin/sh
 
str="Hello, world!"
cnt=1000000
 
date;
 
file="test3"
>${file}
i=0
while [ $i -lt $cnt ]
do
    echo "${str}">>${file}
    i=$((${i}+1))
done
 
date;
 
###################################
file="test4"
>${file}
exec 3>${file}
i=0
while [ $i -lt $cnt ]
do
    echo "${str}">&3
    i=$((${i}+1))
done
exec 3>&-
 
date;

测试结果如下：

(1) 脚本执行结果

zhou@linux:~/zhouzx/sh> ./Test2.sh

Wed May 14 15:12:47 CST 2014

Wed May 14 15:13:27 CST 2014

Wed May 14 15:14:03 CST 2014

(2) 生成文件内容

生成文件test3和test4中的内容完全相同，test3(或test4)文件部分截图如图2所示。