如何从分块存储的txt文件中批量提取标题与年份并导出

我们以原文献文件名为papers.txt，目标输出文件名为title_year.txt为例，你可以按需替换成自己的文件名。

可直接运行的命令 #

打开终端后进入文件所在目录，运行以下命令即可：

awk 'BEGIN{RS="";FS="\n"} {print $2", "$5}' papers.txt > title_year.txt

操作步骤（无Shell经验可直接照做） #

• 按Ctrl+Alt+T调出Linux终端
• 输入cd 你的文件所在目录路径后回车，比如文件存放在下载文件夹就输入cd ~/Downloads
• 把上述命令中的papers.txt替换为你自己的原文献文件名，title_year.txt替换为你想要的输出文件名，输入后回车
• 执行完成后到对应目录下就能找到生成的结果文件，原文件不会被修改，可放心操作

注意事项 #

• 如果你的文件名包含空格，需要把文件名用英文双引号包裹，例如原文件名为「文献记录.txt」，命令就写成：

  awk 'BEGIN{RS="";FS="\n"} {print $2", "$5}' "文献记录.txt" > title_year.txt
  

命令原理（可选了解） #

• BEGIN{RS="";FS="\n"} 是预先配置解析规则：RS=""代表按空行拆分每个文献记录块，FS="\n"代表每个记录块内按换行符拆分字段，也就是每一行对应一个字段
• {print $2", "$5} 就是取出每个记录块的第2个字段（即第2行标题）和第5个字段（即第5行年份），按要求的格式拼接后输出
• > title_year.txt 代表把输出的内容写入到指定的结果文件中

内容的提问来源于stack exchange，提问作者merchmallow