1000 万行文本数据如何做筛选？

[unboy]

txt 数据，只做最简单的筛选，之前只有几十万行，一直在用 excel 虽然卡一点也处理的过来。这次突增到 1000 万行了，数据 900MB 左右，excel 肯定不行了，导入到 access2016 里，虽然导入很快，但是一点筛选就卡住，cpu 占用倒是只有 50%，像这种情况还有其他更简便的筛选方法吗？谢谢

[linap]

mysql

[msg7086]

难道不是 grep ？ 900M 简单过滤，10 秒钟足够了吧。

[dobelee]

文本最简单最快的 grep 了。结构化的另说。excel 就不好了。

[kiwi95]

行数据，grep, awk, sed 一套下来基本能搞定

[liucudliucud]

传到集群上用任务搞，9 亿行都没问题

[ynyounuo]

用 ripgrep 4.4 亿行用简单正则筛选只用 21 秒

wc -l < OpenSubtitles2018.raw.en
441450449

rg -n -i '.*way.*to.*explore.*' OpenSubtitles2018.raw.en 12.95s user 7.14s system 97% cpu 21.308 total

[clino]

unqlite 可以试试

[qinrui]

awk

[locktionc]

你如果能把样本数据，你需要筛选的内容都提供一下，大家会给你更多办法。

[qwertyegg]

这不是大数据 101 的题目嘛？拆成 10 份分开弄，然后合并结果

[wqzjk393]

1，数据库，用 where 筛选。2，用 pandas 的 read_csv 函数，dataframe 什么不能干？………实际上我们工作接触几千万行数据，是用 hive 数据库的。其实吧，我个人觉得，只要不死机，卡就卡吧…

[Howlaind]

the_silver_searcher