如何基于<ticket>和</ticket>标签拆分大文本文件？

你的脚本问题出在这两点：

• 循环只遍历了一次目标文件，i只会递增到1，所以只会生成一个文件
• 用的sed命令是单行替换逻辑，只能匹配同一行内的<ticket>...</ticket>，没法处理跨多行的ticket内容，而且它没有过滤非ticket内容，导致原文件全部内容被复制

针对5GB的大文件，推荐用awk处理，它效率高且能完美处理多行匹配的场景，直接生成每个ticket对应的单独文件：

awk '
/<ticket>/{
    filename = "ticket_" ++count ".xml"
    print > filename
    next
}
filename != ""{
    print > filename
    if (/<\/ticket>/) {
        close(filename)
        filename = ""
    }
}
' BF_File.xml

脚本逻辑说明 #

1. 当匹配到<ticket>起始行时，自动生成带编号的文件名（比如ticket_1.xml、ticket_2.xml），把当前行写入该文件后跳到下一行
2. 只要filename不为空，就持续把内容写入对应文件；当匹配到</ticket>结束行时，关闭文件并重置filename，准备处理下一个ticket块
3. 加入close(filename)是为了避免打开过多文件句柄，防止处理大量ticket时出现报错

如果你的系统支持csplit工具，也可以用这个专门的文件拆分命令：

csplit -z -f ticket_ BF_File.xml '/^<ticket>$/' '{*}'

参数解释：

• -z：自动删除拆分后产生的空文件
• -f ticket_：设置输出文件的前缀为ticket_
• '/^<ticket>$/'：以独立行的<ticket>作为拆分点
• '{*}'：重复拆分操作直到文件末尾

拆分后如果每个文件里包含多余内容，再用sed过滤出完整的ticket块：

for file in ticket_*; do
    sed -n '/<ticket>/,/<\/ticket>/p' "$file" > temp && mv temp "$file"
done

内容的提问来源于stack exchange，提问作者TheLordRev