用R语言把超大文本文件拆分成几个小文本文件

      近一段时间一直在研究一些医院的数据。前两天遇到一个尴尬：想打开一个仅有3G左右的文本文件（有时候必须要打开，直接传到数据库满足不了需求），破电脑（4G内存的电脑）就是打不开（用的Notepad++）。就是这造型：

    

      上网搜了一些方法，下了一些比较不常用的文本处理工具和其它工具，也不理想。得知好多人在许多场景都需要打开或者拆分8G甚至10G以上的文本文件，于是想着自己研究一下。下面就是我用R来拆分大文本的过程，虽然方法比较笨，但是简单轻巧、思路清晰。

      1.首先把你想要拆分的大文本文件放到R的当前工作目录下。我的文件名在这里叫details.txt。

      2.用函数split_file()来拆分大文本文件。

         split_file()函数是自定义的一个函数，用来拆分超大文本文件。

         它总共有两个参数filename和eachfile_lines_num，即split_file(filename，eachfile_lines_num)。

         filename是指需要拆分的超大文本的名字，eachfile_lines_num是指拆分完的每一个文件中有多少行数据。

         split_file()会返回一个数值，代表了总共拆分成的小文本的数量。

         split_file()拆分出来的文件会放置在R当前的工作目录下。

         使用如：split_file("details.txt",1000000)，它把名为details.txt的超大文本文件拆分为每个文件只有1000000行的一个个的小文本文件。

         split_file()的细节：

file_split <- function(filename,eachfile_lines_num){                               #建立函数
	c <- file(filename,"r")                                                    #建立链接
	varnames <- paste("splitfile", 1:1000, sep = "_")                          #建立尽可能多但不要太多的动态变量名
	i <- 1                                                                     #初始值
	while(TRUE){
		assign(varnames[i],value = readLines(c,n = eachfile_lines_num))    #分别把从filename中读出来的数据存放在变量中 
		write.table(get(varnames[i]),paste(varnames[i],".txt",sep = ""))   #分别把存放在变量中的数据写出到文件中
		if (length(get(varnames[i])) < eachfile_lines_num) break           
		else i <- i + 1                                                    #判断循环停止条件
}
	return(i)                                                                  #返回文件数量
}

      我执行完file_split("details.txt",500000)之后得到了30多个文件：

     

      3.对拆分的文件进行处理。由于过程中用到了readLines()，因此拆出来的文件每一行是一个字符串，有引号。这好像不符合要求，只需用Windows记事本或notepad++或其他文本处理应用处理一下就行。在notepad++中执行“搜索 -> 替换”把双引号替换成\0就行了。