split命令：文件切割 & wc命令:统计行数 字数 字符数

split命令：文件切割

有时候文件过大，导致不能正常使用，可以用split进行切割。

命令参数：

split [选项] [要切割的文件] [输出文件名前缀］

-a, --suffix-length=N  切割文件的后缀的位置，default 为2

-b, --bytes=SIZE       指定块的大小，可以指定size的单位，b表示512字节,k代表1K字节，m代表1M字节,还有G，T，P

-d, --numeric-suffixes 利用数据前缀，而不是字母前缀，默认是字母前缀。

-l, --lines=NUMBER     指定行数进行切割。

例：

1、对examples.desktop文件进行切割。

linux@ubuntu:~$ cat -n examples.desktop 

     1 [Desktop Entry]

     2 Version=1.0

     3 Type=Link

     4 Name=Examples

     5 Comment=Example content for Ubuntu

     6 URL=file:///usr/share/example-content/

     7 Icon=folder

     8 X-Ubuntu-Gettext-Domain=example-content

     9

linux@ubuntu:~$ split -l 1 examples.desktop  ex_

linux@ubuntu:~$ ls ex_*

ex_aa  ex_ab  ex_ac  ex_ad  ex_ae  ex_af  ex_ag  ex_ah  ex_ai

linux@ubuntu:~$ 

观察examples.desktop有9行，我们测试每一行分割成一个小文件。结果生成了ex_aa ... ex_ai9个文件。

2、对examples.desktop进行分割，以数字后缀命名。

nux@ubuntu:~$ split -l 1 --numeric-suffixes  examples.desktop cdyemail_

linux@ubuntu:~$ ls cdye*

cdyemail_00  cdyemail_02  cdyemail_04  cdyemail_06  cdyemail_08

cdyemail_01  cdyemail_03  cdyemail_05  cdyemail_07

linux@ubuntu:~$ 

3、对二进制文件进行分割，块的大小为20M

linux@ubuntu:~$ ls -h -l  data.tar.gz  #文件大小为147M,1个20M能分8个

-rw-r--r-- 1 linux linux 147M 2011-01-28 21:04 data.tar.gz

linux@ubuntu:~$ split --bytes=20M --numeric-suffixes data.tar.gz  email_

linux@ubuntu:~$ ls email_*

email_00  email_01  email_02  email_03  email_04  email_05  email_06  email_07

通过测试可以看出已经分割成8个文件了。

这个命令的功能也很好记，因为它功能很有限：


wc -c filename：显示一个文件的字节数


wc -m filename：显示一个文件的字符数


wc -l filename：显示一个文件的行数


wc -L filename：显示一个文件中的最长行的长度


wc -w filename：显示一个文件的字数


[rocrocket@rocrocket programming]$ cat wc1.txt
1 2
34 5
你好
[rocrocket@rocrocket programming]$ wc -c wc1.txt
16 wc1.txt 
[rocrocket@rocrocket programming]$ wc -m wc1.txt
12 wc1.txt 
[rocrocket@rocrocket programming]$ wc -l wc1.txt
3 wc1.txt 
[rocrocket@rocrocket programming]$ wc -L wc1.txt
4 wc1.txt 
[rocrocket@rocrocket programming]$ wc -w wc1.txt
5 wc1.txt
每行结尾的换行符也算一个字符，空格也算一个字符。


由于采用UTF-8编码，所以一个汉字在这里被转换为3字节，所以wc -c显示的结果是16，即“第一行的4个字节＋第二行的5个字节＋第三行的7个字节”＝4+5+7=16。


而当使用-m选项时，一个汉字就作为一个字符计算，所以是4+5+3=12。


当使用-L时，是给出最长行的长度，第二行最长，有4个字符长。（显然是不把换行符计算在内）


使用-w是计算字数，一个字是一个word，所以“34”表示一个word，一个“你好”表示一个word(我试过了，当中文是连在一起的，不管多少个，在计算字数word时，只有一个)，因此2+2+1=5。


插孔说说tab制表符，这个符号比较特殊，当使用-L时，制表符算7个字符（这要依据一个制表符的长度而定，在我的系统中一个制表符算7个空格长度）。而当使用-w时，制表符和空格没有两样，都作为字的间隔来看待。当用-c时，一个制表符也就算一个字符，因为它的确就只是一个字符而已。


如果你直接执行wc wc1.txt，则显示：


[rocrocket@rocrocket programming]$ wc wc1.txt 3  5 16 wc1.txt
输出信息依次是：行数 字数 字节数 文件名称。