大文件中批量替换页码的高效Bash实现方案咨询

文件内容示例 #

<page width="595.28000000" height="841.89000000">
<background type="pdf" pageno="61"/>
<layer/>
</page>
<page width="595.28000000" height="841.89000000">
<background type="pdf" pageno="62"/>
<layer/>
</page>
<page width="595.28000000" height="841.89000000">
<background type="pdf" pageno="63"/>
<layer/>

需求 #

需要批量替换文件中的页码：例如将pageno="62"替换为pageno="65"，后续页码按规则依次替换（如63→66、64→67...）。当前使用循环调用sed的Bash脚本处理，但文件规模达930页，运行速度极慢，寻求更高效的实现方法。

当前低效脚本 #

total=$(grep pageno= "$1" | tail -n1 | cut -d'"' -f4)

from="${2}"
to="${3}"

for i in $(eval "echo {${from}..${total}}")
do
    sed -i "s#pageno=\"${i}\"#pageno=\"${to}_new\"#g" "${1}"
    ((to += 1))
done

注：_new用于避免重复页码，后续需手动删除。

高效解决方案：用Awk单趟处理 #

循环调用sed的核心问题是每次迭代都要完整读写一次文件，930次迭代会产生巨大的IO开销。Awk可以单趟扫描文件，一次性完成所有替换，效率提升显著。

实现脚本 #

#!/bin/bash
from=$2
to=$3

awk -v from="$from" -v to="$to" '
/pageno="/ {
    # 提取当前页码值
    split($0, parts, "\"")
    curr_page = parts[4]
    # 仅处理大于等于起始页码的条目
    if (curr_page >= from) {
        # 计算新页码：起始目标页码 + (当前页码 - 起始源页码)
        new_page = to + (curr_page - from)
        # 替换页码内容
        sub(/pageno="[^"]+"/, "pageno=\"" new_page "\"")
    }
}
# 输出所有行（包括未修改的行）
1' "$1" > temp_${1} && mv temp_${1} "$1"

优势说明 #

1. 单趟IO：仅读取一次文件、写入一次临时文件，彻底避免循环sed的重复IO开销。
2. 无临时标记：直接计算目标页码，不需要_new这类临时标记，省去后续清理步骤。
3. 精准匹配：通过正则精准定位pageno属性，避免误替换其他内容。

使用方式 #

和原脚本参数一致，运行命令：

./replace_pages.sh your_file.xml 62 65

该命令会将文件中所有≥62的页码替换为65 + (原页码-62)，即62→65、63→66、64→67...

内容的提问来源于stack exchange，提问作者harshit