Comando Linux split
Manual completo de comandos Linux
splitEs una herramienta de división de archivos integrada en Linux que puede cortar un archivo por número de líneas, tamaño o cantidad especificada.
splitEl comando se usa para dividir un archivo grande en varios archivos más pequeños, lo que facilita la transmisión, el almacenamiento o el procesamiento en paralelo.
Los archivos pequeños después de dividirse se puedencatvolver a combinar y restaurar al archivo original mediante el comando.
Cuando se tiene un archivo de registro demasiado grande para abrirlo con un editor, se necesita cargar archivos grandes en bloques, o se desea procesar datos en paralelo,splites la solución preferida.
Los archivos divididos por defecto se nombran conxaa、xab、xacsecuencias de letras, etc.
splitNo elimina ni modifica el archivo original; la operación de división es segura. Pero al dividir un archivo en muchos archivos pequeños, preste atención a si hay suficiente espacio en disco.
Sintaxis del comando
splitLa sintaxis básica es la siguiente:
split [选项] [输入文件] [输出文件前缀]
Si no se especifica un archivo de entrada, los datos se leen desde la entrada estándar.
Si no se especifica el prefijo del archivo de salida, se usa por defectoxcomo prefijo.
splitLas opciones comunes se enumeran a continuación:
| Opción | Función | Ejemplo |
|---|---|---|
-b, --bytes=大小 | Dividir archivo por número de bytes especificado | split -b 100M large.log |
-l, --lines=行数 | Dividir archivo por número de líneas especificado | split -l 1000 data.txt |
-n, --number=数量 | Dividir en un número especificado de archivos pequeños | split -n 5 data.txt |
-a, --suffix-length=N | Especificar la longitud del sufijo (por defecto 2) | split -a 3 -l 100 data.txt |
-d, --numeric-suffixes | Usar sufijos numéricos en lugar de sufijos alfabéticos | split -d -l 100 data.txt |
-C, --line-bytes=大小 | Dividir por tamaño, pero mantener cada línea completa | split -C 10M log.txt |
--verbose | Mostrar información detallada del proceso de división | split --verbose -b 10M file.bin |
Unidades de tamaño compatibles:K(KB)、M(MB)、G(GB)、Tsufijos como (TB), etc.
Diferencia entre -b y -C:
| Opción | Comportamiento | Escenario de aplicación |
|---|---|---|
-b | Corta estrictamente por número de bytes, puede truncar en medio de una línea | Archivos binarios, escenarios donde no importan los saltos de línea |
-C | Cuando se alcanza el límite de tamaño, intenta cortar en el límite de la línea, garantizando que cada línea esté completa | Registros de texto, CSV y otros escenarios donde se necesita mantener las líneas completas |
Al dividir archivos de texto, se prefiere usar
-Cen lugar de-b, para evitar que una línea de datos se corte en dos archivos.
Uso detallado
Dividir por número de líneas
Dividir por número de líneas es la forma más intuitiva, adecuada para procesar archivos de registro o datos CSV.
# 生成一个包含 5000 行的测试文件 $ seq 1 5000 > data.txt # 每 1000 行拆分为一个小文件 $ split -l 1000 data.txt part_ # 查看生成的文件 $ ls -lh part_* -rw-r--r-- 1 ejemplo ejemplo 3.9K May 19 14:30 part_aa -rw-r--r-- 1 ejemplo ejemplo 3.9K May 19 14:30 part_ab -rw-r--r-- 1 ejemplo ejemplo 3.9K May 19 14:30 part_ac -rw-r--r-- 1 ejemplo ejemplo 3.9K May 19 14:30 part_ad -rw-r--r-- 1 ejemplo ejemplo 3.9K May 19 14:30 part_ae
Después de ejecutarlo, se generan 5 archivos, cada uno con exactamente 1000 líneas, y los nombres de archivo comienzan conpart_como prefijo.
Dividir por tamaño de archivo
Dividir por tamaño es adecuado para cortar archivos binarios o para controlar el límite de tamaño de cada archivo.
# 生成一个 10MB 的测试文件 $ dd if=/dev/urandom of=test.bin bs=1M count=10 # 按每 2MB 拆分 $ split -b 2M test.bin chunk_ # 查看拆分结果 $ ls -lh chunk_* -rw-r--r-- 1 ejemplo ejemplo 2.0M May 19 14:32 chunk_aa -rw-r--r-- 1 ejemplo ejemplo 2.0M May 19 14:32 chunk_ab -rw-r--r-- 1 ejemplo ejemplo 2.0M May 19 14:32 chunk_ac -rw-r--r-- 1 ejemplo ejemplo 2.0M May 19 14:32 chunk_ad -rw-r--r-- 1 ejemplo ejemplo 2.0M May 19 14:32 chunk_ae
Especificar cantidad de divisiones
Usar-npuede dividir el archivo en un número especificado de archivos pequeños de manera uniforme.
# 将文件均分为 3 份 $ split -n 3 data.txt equal_ # 查看各文件行数 $ wc -l equal_* 1667 equal_aa 1667 equal_ab 1666 equal_ac 5000 total
Se puede ver que el archivo se distribuye lo más uniformemente posible; el archivo con un total de 5000 líneas se divide en aproximadamente 1667 líneas por parte.
Cuando el número total de líneas no es divisible, los archivos anteriores tendrán algunas líneas más y los archivos posteriores tendrán algunas menos.
Usar sufijos numéricos
El sufijo alfabético predeterminado (aa、ab...) no es intuitivo, se puede usar-dcambiar a numérico.
# 使用数字后缀,并指定后缀长度为 3 $ split -d -a 3 -l 1000 data.txt ejemplo_ # 生成的文件名 $ ls ejemplo_* ejemplo_000 ejemplo_001 ejemplo_002 ejemplo_003 ejemplo_004
Aquí la longitud del sufijo es 3, lo que significa que admite hasta 1000 archivos (de 000 a 999). Al dividir muchos archivos pequeños, se puede aumentar-ael valor.
Dividir texto manteniendo la integridad de las líneas
Usar-Cpuede garantizar que cada línea no se trunque mientras divide por tamaño.
# 生成一个包含不同长度行的测试日志 $ for i in $(seq 1 100); do echo "Line $i: EJEMPLO testing data $(head -c $((RANDOM % 50 + 10)) /dev/urandom | base64)"; done > log.txt # 按 1KB 拆分,同时保持行完整性 $ split -C 1K log.txt log_ # 检查每个文件的最后一行是否完整(都以换行符结尾) $ for f in log_*; do echo "$f: $(tail -c 1 $f | xxd | grep -c '0a')"; done
-CGarantiza que la última línea de cada archivo dividido esté completa, sin que una línea se corte por la mitad.
Combinar archivos divididos
Los archivos divididos se pueden combinar y restaurar sin pérdida:
# 合并所有拆分文件,还原为原始文件 $ cat part_* > restored.txt # 验证合并后的内容与原始文件一致 $ diff data.txt restored.txt && echo "文件一致,合并成功" 文件一致,合并成功
Al combinar,catse concatenarán en orden alfabético según los comodines del shell, lo que coincide exactamente consplitel orden en que se generan los archivos.
Preguntas frecuentes
Los archivos divididos siguen ocupando la misma cantidad total de espacio en disco que el archivo original (de hecho, habrá algo de sobrecarga de metadatos del sistema de archivos), así que asegúrese de que haya suficiente espacio libre en disco.
Al usar sufijos numéricos, si el número de archivos divididos excede el valor máximo que puede representar la longitud del sufijo (por ejemplo,
-a 2máximo 100 archivos),splitreportará un error y saldrá. Aumente-ael valor del parámetro para resolverlo.
Si necesita dividir por contenido específico (como por un separador),splitno es compatible; debería usar en su lugarcsplitel comando.
Al leer datos desde la entrada estándar,splitno se puede estimar el tamaño total, por lo tanto-nla función de especificar la cantidad no es compatible con el modo de entrada estándar.
Comandos relacionados
| Comando | Función |
|---|---|
cat | Combinar archivos o mostrar contenido de archivos |
csplit | Dividir archivos por contenido (expresiones regulares) |
wc | Contar líneas, palabras y bytes de un archivo |
dd | Convertir y copiar archivos, puede extraer datos por tamaño de bloque |
head | Mostrar la parte inicial de un archivo |
tail | Mostrar la parte final de un archivo |