有时候必须把文件分割成多个更小的片段。很久以前，我们必须分割文件，才能将大量数据放入多张软盘中。不过如今我们分割文件就是出于其他目的了，比如为提高可读性、生成日志以及发送有大小限制的E-mail附件。在这则攻略中我们会看到如何将文件分割成不同的大小。

2.11.1 工作原理

split命令可以用来分割文件。该命令接受文件名作为参数，然后创建出一系列体积更小的文件，其中依据字母序排在首位的那个文件对应于原始文件的第一部分，排在次位的文件对应于原始文件的第二部分，以此类推。

例如，通过指定分割大小，可以将 100 KB 的文件分成一系列 10 KB 的小文件。在split命令中，
除了k（KB），我们还可以使用M（MB）、G（GB）、c（byte）和w（word）。

  1. $ split -b 10k data.file
  2. $ ls
  3. data.file  xaa  xab  xac  xad  xae  xaf  xag  xah  xai  xaj

上面的命令将data.file分割成了 10 个大小为 10 KB 的文件。这些新文件以 xab 、xac 、xad 的形式命名。split默认使用字母后缀。如果想使用数字后缀，需要使用-d选项。此外，-a length 可以指定后缀长度：

  1. $ split -b 10k data.file -d -a 4
  2. $ ls
  3. data.file x0009  x0019  x0029  x0039  x0049  x0059  x0069  x0079

2.11.2 补充内容

来看看split命令的其他选项。

为分割后的文件指定文件名前缀

之前那些分割后的文件名都是以x作为前缀。如果要分割的文件不止一个，我们自然希望能自己命名这些分割后的文件，这样才能够知道这些文件分别属于哪个原始文件。这可以通过提供一个前缀作为最后一个参数来实现。

这次我们使用split_file作为文件名前缀，重新执行上一条命令：

  1. $ split -b 10k data.file -d -a 4 split_file
  2. $ ls
  3. data.file       split_file0002  split_file0005  split_file0008
  4. strtok.c
  5. split_file0000  split_file0003  split_file0006  split_file0009
  6. split_file0001  split_file0004  split_file0007

如果不想按照数据块大小，而是根据行数来分割文件的话，可以使用-l no_of_lines：

  1. #分割成多个文件，每个文件包含10行
  2. $ split -l 10 data.file

csplit实用工具能够基于上下文来分隔文件。它依据的是行计数或正则表达式。这个工具对于日志文件分割尤为有用。

看一个日志文件示例：

  1. $ cat server.log
  2. SERVER-1
  3. [connection] 192.168.0.1 success
  4. [connection] 192.168.0.2 failed
  5. [disconnect] 192.168.0.3 pending
  6. [connection] 192.168.0.4 success
  7. SERVER-2
  8. [connection] 192.168.0.1 failed
  9. [connection] 192.168.0.2 failed
  10. [disconnect] 192.168.0.3 success
  11. [connection] 192.168.0.4 failed
  12. SERVER-3
  13. [connection] 192.168.0.1 pending
  14. [connection] 192.168.0.2 pending
  15. [disconnect] 192.168.0.3 pending
  16. [connection] 192.168.0.4 failed

我们需要将这个日志文件分割成server1.log、server2.log和server3.log，这些文件的内容分别取自原文件中不同的SERVER部分。实现方法如下：

  1. $ csplit server.log /SERVER/ -n 2 -s {*}  -f server -b "%02d.log"
  2. $ rm server00.log
  3. $ ls
  4. server01.log  server02.log  server03.log  server.log

下面是这个命令的详细说明：

  • /SERVER/用来匹配特定行，分割过程即从此处开始。
  • /[REGEX]/用于描述文本模式。它从当前行（第一行）一直复制到（但不包括）包含SERVER的匹配行。
  • {*}表示根据匹配重复执行分割操作，直到文件末尾为止。可以用{整数}的形式来指定分割执行的次数。
  • -s使命令进入静默模式，不打印其他信息。
  • -n指定分割后的文件名后缀的数字个数，例如01、02、03等。
  • -f指定分割后的文件名前缀（在上面的例子中，server就是前缀）。
  • -b指定后缀格式。例如%02d.log，类似于C语言中printf的参数格式。在这里：**文件名=前缀 + 后缀**，也就是server + %02d.log。

因为分割后得到的第一个文件没有任何内容（匹配的单词就位于文件的第一行中），所以我们删除server00.log。