本文目錄： 1.1 dd命令 1.2 split命令 1.3 csplit命令 在Linux最常用的文件生成和切片工具是dd，它功能比較全面，但無法以行為單位提取文件數據，也無法直接將文件按大小或行數進行均分(除非藉助迴圈)。另兩款數據分割工具split和csplit能夠比較輕鬆地實現這些需求。cs ...
本文目錄：
在Linux最常用的文件生成和切片工具是dd，它功能比較全面，但無法以行為單位提取文件數據，也無法直接將文件按大小或行數進行均分(除非藉助迴圈)。另兩款數據分割工具split和csplit能夠比較輕鬆地實現這些需求。csplit是split的升級版。
1.1 dd命令
從if指定的文件讀取數據，寫入到of指定的文件。使用bs指定讀取和寫入的塊大小，使用count指定讀取和寫入的數據塊數量，bs和count相乘就是文件總大小。可以指定skip忽略讀取if指定文件的前多少個塊，seek指定寫入到of指定文件時忽略前多少個塊。
dd if=/dev/zero of=/tmp/abc.1 bs=1M count=20
if是input file，of是output file；bs有c(1byte)、w(2bytes)、b(512bytes)、kB(1000bytes)、K(1024bytes)、MB(1000)、M(1024)和GB、G等幾種單位。因此，不要隨意在單位後加上字母B。
假設現有文件CentOS.iso的大小1.3G，需要將其切分後還原，切分的第一個小文件大小為500M。
dd if=/tmp/CentOS.iso of=/tmp/CentOS1.iso bs=2M count=250
生成第二個小文件，由於第二個小文件不知道具體大小，所以不指定count選項。由於第二個小文件要從第500M處開始切分，於是需要忽略CentOS.iso的前500M。假設bs=2M，於是skip掉的數據塊數量為250。
dd if=/tmp/CentOS.iso of=/tmp/CentOS2.iso bs=2M skip=250
現在CentOS.iso=CentOS1.iso+CentOS2.iso。可以將CentOS[1-2].iso還原。
cat CentOS1.iso CentOS2.iso >CentOS_m.iso
比較CentOS_m.iso和CentOS.iso的md5值，它們是完全一樣的。
shell> md5sum CentOS_m.iso CentOS.iso
504dbef14aed9b5990461f85d9fdc667 CentOS_m.iso
504dbef14aed9b5990461f85d9fdc667 CentOS.iso
那麼seek選項呢？和skip有什麼區別？skip選項是忽略讀取時的前N個數據塊，而seek是忽略寫入文件的前N個數據塊。假如要寫入的文件為a.log，則seek=2時，將從a.log的第3個數據塊開始追加數據，如果a.log文件本身大小就不足2個數據塊，則缺少的部分自動使用/dev/zero填充。
於是，在有了CentOS1.iso的基礎上，要將其還原為和CentOS.iso相同的文件，可以使用下麵的方法：
dd if=/tmp/CentOS.iso of=/tmp/CentOS1.iso bs=2M skip=250 seek=250
還原後，它們的md5值也是相同的。
shell> md5sum CentOS1.iso CentOS.iso
504dbef14aed9b5990461f85d9fdc667 CentOS1.iso
504dbef14aed9b5990461f85d9fdc667 CentOS.iso
1.2 split命令
split工具的功能是將文件切分為多個小文件。既然要生成多個小文件，必然要指定切分文件的單位，支持按行切分以及按文件大小切分，另外還需解決小文件命名的問題。例如，文件名首碼、尾碼。如果未明確指定首碼，則預設的首碼為"x"。
以下是命令的語法說明：
split [OPTION]... [INPUT [PREFIX]] -a N：生成長度為N的尾碼，預設N=2 -b N：每個小文件的N，即按文件大小切分文件。支持K,M,G,T(換算單位1024)或KB,MB,GB(換算單位1000)等，預設單位為位元組 -l N：每個小文件中有N行，即按行切分文件 -d N：指定生成數值格式的尾碼替代預設的字母尾碼，數值從N開始，預設為0。例如兩位長度的尾碼01/02/03 --additional-suffix=string：為每個小文件追加額外的尾碼，例如加上".log"。有些老版本不支持該選項，在CentOS 7.2上已支持。 INPUT：指定待切分的輸入文件，如要切分標準輸入，則使用"-" PREFIX：指定小文件的首碼，如果未指定，則預設為"x"
例如，將/etc/fstab按行切分，每5行切分一次，並指定小文件的首碼為"fs_"，尾碼為數值尾碼，且尾碼長度為2。
[root@xuexi ~]# split -l 5 -d -a 2 /etc/fstab fs_ [root@xuexi ~]# ls fs_00 fs_01 fs_02
查看任一小文件。
[root@xuexi ~]# cat fs_01 # Accessible filesystems, by reference, are maintained under '/dev/disk' # See man pages fstab(5), findfs(8), mount(8) and/or blkid(8) for more info # UUID=b2a70faf-aea4-4d8e-8be8-c7109ac9c8b8 / xfs defaults 0 0 UUID=367d6a77-033b-4037-bbcb-416705ead095 /boot xfs defaults 0 0
可以將這些切分後的小文件重新組裝還原。例如，將上面的三個小文件還原為~/fstab.bak。
[root@xuexi ~]# cat fs_0[0-2] >~/fstab.bak
還原後，它們的內容是完全一致的。可以使用md5sum比較。
[root@xuexi ~]# md5sum /etc/fstab ~/fstab.bak 29b94c500f484040a675cb4ef81c87bf /etc/fstab 29b94c500f484040a675cb4ef81c87bf /root/fstab.bak
還可以將標準輸入的數據進行切分，並分別寫入到小文件中。例如：
[root@xuexi ~]# seq 1 2 15 | split -l 3 -d - new_ [root@xuexi ~]# ls new* new_00 new_01 new_02
可以為每個小文件追加額外的尾碼。有些老版本的split不支持該選項，而是在csplit上支持的，但是新版本的split已經支持。例如，加上".log"。
[root@xuexi ~]# seq 1 2 20 | split -l 3 -d -a 3 --additional-suffix=".log" - new1_ [root@xuexi ~]# ls new1* new1_000.log new1_001.log new1_002.log new1_003.log
1.3 csplit命令
split只能按行或按照大小進行切分，無法按段落切分。csplit是split的變體，功能更多，它主要是按指定上下文按段落分割文件。
csplit [OPTION]... FILE PATTERN... 描述：按照PATTERN將文件切分為"xx00","xx01", ...，併在標準輸出中輸出每個小文件的位元組數。 選項說明： -b FORMAT：指定文件尾碼格式，格式為printf的格式，預設為%02d。表示尾碼以2位數值，且不足處以0填充。 -f PREFIX：指定首碼，不指定是預設為"xx"。 -k：用於突發情況。表示即使發生了錯誤，也不刪除已經分割完成的小文件。 -m：明確禁止文件的行去匹配PATTERN。 -s：(silent)不列印小文件的文件大小。 -z：如果切分後的小文件中有空文件，則刪除它們。 FILE：待切分的文件，如果要切分標準輸入數據，則使用"-"。 PATTERNs： INTEGER ：數值，假如為N，表示拷貝1到N-1行的內容到一個小文件中，其餘內容到另一個小文件中。 /REGEXP/[OFFSET]：從匹配到的行開始按照偏移量拷貝指定行數的內容到小文件中。 ：其中OFFSET的格式為"+N"或"-N"，表示向後和向前拷貝N行 %REGEXP%[OFFSET]：匹配到的行被忽略。 {INTEGER} ：假如值為N，表示重覆N此前一個模式匹配。 {*} ：表示一直匹配到文件結尾才停止匹配。
假設文件內容如下：
[root@xuexi ~]# cat test.txt SERVER-1 [connection] 192.168.0.1 success [connection] 192.168.0.2 failed [disconnect] 192.168.0.3 pending [connection] 192.168.0.4 success SERVER-2 [connection] 192.168.0.1 failed [connection] 192.168.0.2 failed [disconnect] 192.168.0.3 success [CONNECTION] 192.168.0.4 pending SERVER-3 [connection] 192.168.0.1 pending [connection] 192.168.0.2 pending [disconnect] 192.168.0.3 pending [connection] 192.168.0.4 failed
假設每個SERVER-n表示一個段落，於是要按照段落切分該文件，使用以下語句：
[root@xuexi ~]# csplit -f test_ -b %04d.log test.txt /SERVER/ {*}
0
140
139
140
"-f test_" 指定小文件首碼為"test_"， "-b %04d.log" 指定文件尾碼格式"00xx.log"，它自動為每個小文件追加額外的尾碼".log"， "/SERVER/" 表示匹配的模式，每匹配到一次，就生成一個小文件，且匹配到的行是該小文件中的內容， "{*}" 表示無限匹配前一個模式即/SERVER/直到文件結尾，假如不知道{*}或指定為{1}，將匹配一次成功後就不再匹配。
[root@xuexi ~]# ls test_* test_0000.log test_0001.log test_0002.log test_0003.log
上面的文件中雖然只有三個段落：SERVER-1，SERVER-2，SERVER-3，但切分的結果生成了4個小文件，並且註意到第一個小文件大小為0位元組。為什麼會如此？因為在模式匹配的時候，每匹配到一行，這一行就作為下一個小文件的起始行。由於此文件第一行"SERVER-1"就被/SERVER/匹配到了，因此這一行是作為下一個小文件的內容，在此小文件之前還自動生成一個空文件。
生成的空文件可以使用"-z"選項來刪除。
[root@xuexi ~]# csplit -f test1_ -z -b %04d.log test.txt /SERVER/ {*}
140
139
140
還可以指定只拷貝匹配到的行偏移數量。例如，匹配到行時，只拷貝它後面的1行(包括它自身共兩行)，但多餘的行將放入下一個小文件中。
[root@xuexi ~]# csplit -f test2_ -z -b %04d.log test.txt /SERVER/+2 {*} 42 139 140 98
第一個小文件只有兩行。
[root@xuexi ~]# cat test2_0000.log SERVER-1 [connection] 192.168.0.1 success
SERVER-1段落的其餘內容放入到了第二個小文件中。
[root@xuexi ~]# cat test2_0001.log [connection] 192.168.0.2 failed [disconnect] 192.168.0.3 pending [connection] 192.168.0.4 success SERVER-2 [connection] 192.168.0.1 failed
同理第三個小文件也一樣，直到最後一個小文件中存放剩餘所有無法匹配的內容。
[root@xuexi ~]# cat test2_0003.log [connection] 192.168.0.2 pending [disconnect] 192.168.0.3 pending [connection] 192.168.0.4 failed
指定"-s"或"-q"選項以靜默模式運行，將不會輸出小文件的大小信息。
[root@xuexi ~]# csplit -q -f test3_ -z -b %04d.log test.txt /SERVER/+2 {*}
回到系列文章大綱：http://www.cnblogs.com/f-ck-need-u/p/7048359.html
