根據源文件的順序列印隨機行

我有一個帶有短句（幾個詞長）的大文本文件（約 500K 行）。此外，大多數行中都有一些 XML 標記。最後，在添加標記之前對文本文件進行了排序！添加 XML 標記會更改字母排序，但這是需要的。

我的問題是：如何列印尊重源文件順序的隨機行？

我知道我可以只使用 shuf 命令並對結果進行排序。問題是標記會弄亂排序。

我還可以編寫一個python腳本，將文本文件載入到列表中，生成一些隨機數，對它們進行排序並將它們用作索引以提取行。如果可能的話，我更喜歡標準的 *nix 命令行工具。

樣本數據：

<CITY>anaconda</CITY> city is in <STATE>montana</STATE>
let's go to <CITY>rome</CITY>
please find <CITY>berlin</CITY>
where is <CITY>cairo</CITY> in <COUNTRY>egypt</COUNTRY>

例如，如果我能把2號線和3號線拉出來就好了。1,3號線和4號線也不錯。如果我得到第 3、1 和 4 行，那就不好了。

用這個：

nl file | shuf -n2 | sort -n | cut -f2-

• nl給行編號，
• shuf隨機播放並將輸出限制為 2 行 ( -n)，
• sort重建原來的秩序，
• 並cut刪除 的計數nl。

它將以文件的原始順序列印文件的 2 行。使用shuf -n X，其中X可以是任意數字。

Donald E. Knuth 的“電腦程式藝術”第 2 卷第 3.4.2 節介紹了從文件中選擇隨機行而不進行排序（甚至不知道有多少行！）。這很容易實現，例如：

(echo foo; echo bar; echo zot) \
| perl -nle 'rand $. < 1 && ( $line = $_ ); END { print $line }'

或者 try shuf，它允許選擇一定數量的行，儘管因此可能比 select-one Knuth 算法需要更多的記憶體。

引用自：https://unix.stackexchange.com/questions/223275