--- /dev/null	Thu Jan 01 00:00:00 1970 +0000
+++ b/bin/reExtract.sh	Thu Apr 02 19:14:23 2020 +0100
@@ -0,0 +1,30 @@
+#!/usr/bin/bash
+# Usage: reExtract.sh 20..-.. < files...
+# Input is list of paths to relative path of warc files
+#  under /beegfs/common_crawl/CC-MAIN-$1
+
+function edex () {
+    echo "$1" | \
+	cut -f 5 -d - | cut -f 1 -d .|sed 's/^00//' | \
+	echo $(($(fgrep -n -f - ~/by11n.txt | cut -f 1 -d :) - 1))
+    }
+
+h=/beegfs/common_crawl/CC-MAIN-$1
+
+mkdir -p /dev/shm/rex
+cd /dev/shm/rex
+
+sed 's/\// /;s/-00/ /;s/.warc.gz//' | \
+ while read s p i
+ do
+    printf "%s\t%s\t%s\t%s\n" $(edex $i) $s $p $i
+ done > in.txt
+for s in $(cut -f 2 in.txt| sort -u)
+do
+    mkdir -p $s
+    cd $s
+    for e in $(egrep "\b$p\b" in.txt |cut -f 1 | sort -u)
+    do
+	tar -xf $h/$s/extract_$e.tar
+	
+

--- /dev/null	Thu Jan 01 00:00:00 1970 +0000
+++ b/by11n.txt	Thu Apr 02 19:14:23 2020 +0100
@@ -0,0 +1,51 @@
+000 001 002 003 004 005 006 007 008 009 010
+011 012 013 014 015 016 017 018 019 020 021
+022 023 024 025 026 027 028 029 030 031 032
+033 034 035 036 037 038 039 040 041 042 043
+044 045 046 047 048 049 050 051 052 053 054
+055 056 057 058 059 060 061 062 063 064 065
+066 067 068 069 070 071 072 073 074 075 076
+077 078 079 080 081 082 083 084 085 086 087
+088 089 090 091 092 093 094 095 096 097 098
+099 100 101 102 103 104 105 106 107 108 109
+110 111 112 113 114 115 116 117 118 119 120
+121 122 123 124 125 126 127 128 129 130 131
+132 133 134 135 136 137 138 139 140 141 142
+143 144 145 146 147 148 149 150 151 152 153
+154 155 156 157 158 159 160 161 162 163 164
+165 166 167 168 169 170 171 172 173 174 175
+176 177 178 179 180 181 182 183 184 185 186
+187 188 189 190 191 192 193 194 195 196 197
+198 199 200 201 202 203 204 205 206 207 208
+209 210 211 212 213 214 215 216 217 218 219
+220 221 222 223 224 225 226 227 228 229 230
+231 232 233 234 235 236 237 238 239 240 241
+242 243 244 245 246 247 248 249 250 251 252
+253 254 255 256 257 258 259 260 261 262 263
+264 265 266 267 268 269 270 271 272 273 274
+275 276 277 278 279 280 281 282 283 284 285
+286 287 288 289 290 291 292 293 294 295 296
+297 298 299 300 301 302 303 304 305 306 307
+308 309 310 311 312 313 314 315 316 317 318
+319 320 321 322 323 324 325 326 327 328 329
+330 331 332 333 334 335 336 337 338 339 340
+341 342 343 344 345 346 347 348 349 350 351
+352 353 354 355 356 357 358 359 360 361 362
+363 364 365 366 367 368 369 370 371 372 373
+374 375 376 377 378 379 380 381 382 383 384
+385 386 387 388 389 390 391 392 393 394 395
+396 397 398 399 400 401 402 403 404 405 406
+407 408 409 410 411 412 413 414 415 416 417
+418 419 420 421 422 423 424 425 426 427 428
+429 430 431 432 433 434 435 436 437 438 439
+440 441 442 443 444 445 446 447 448 449 450
+451 452 453 454 455 456 457 458 459 460 461
+462 463 464 465 466 467 468 469 470 471 472
+473 474 475 476 477 478 479 480 481 482 483
+484 485 486 487 488 489 490 491 492 493 494
+495 496 497 498 499 500 501 502 503 504 505
+506 507 508 509 510 511 512 513 514 515 516
+517 518 519 520 521 522 523 524 525 526 527
+528 529 530 531 532 533 534 535 536 537 538
+539 540 541 542 543 544 545 546 547 548 549
+550 551 552 553 554 555 556 557 558 559