Linux split 命令:按行数或大小分割文件并核验恢复
split 按行数或字节数把一个大文件分成多个片段,适合满足传输大小限制或划分批处理输入。输入文件会保留;按原顺序拼接全部片段,可以恢复原来的字节内容。
GNU split 默认每 1000 行生成一个文件,默认前缀为 x,最初的名称通常是 xaa、xab。分割本身不压缩数据,也不会生成各自都能独立解压的压缩包。先选择新的工作目录与前缀,避免已有同名文件被覆盖。
基本语法与运行条件
split [options] [input_file [output_prefix]]
options、input_file 和 output_prefix 是参数占位符。省略输入文件或把它写成 - 时读取标准输入;前缀后面追加后缀形成输出名称。先用 split --version、split --help 与本机 man split 确认实现,以下选项按 GNU Coreutils 说明,其他实现不一定全部支持。
完整练习:按行数与大小分割
先准备文件并每 500 行分割。 以下完整代码块需要 Bash,以及 GNU split、truncate、cat、cmp 等命令。它新建 split-demo,准备 1001 行文本和 104857603 字节的模拟二进制文件,再执行原例的按行数分割。目录存在时第一步失败,后续命令不会执行;请选未使用的目录名,不要清空原有目录。
mkdir split-demo && cd split-demo && (
set -e
set -o noclobber
printf '%s\n' {1..1001} > data.txt
truncate -s 104857603 archive.bin
split -l 500 data.txt part-
)
成功后,当前 shell 位于 split-demo;后续大小分割和恢复例子在这里执行。part-aa、part-ab 各有 500 行,part-ac 只有最后的 1 行。data.txt 保留不变;查看各片段的首尾内容,确认 1–500、501–1000、1001 的顺序。
truncate 在新目录中创建用于练习的全零逻辑内容,是否实际占用同样多的磁盘空间取决于文件系统。读写片段仍可能需要约 100 MiB 空间,恢复时还需再写一份文件;先确认可用空间。它不是压缩工具,也不要把命令里的路径换成已有的重要文件。
每段最多 100 MiB。 对刚准备的 archive.bin 执行:
split -b 100M archive.bin archive-part-
GNU 的 100M 表示 100 × 1024 × 1024 字节,即 104857600 字节。这里生成 archive-part-aa(100 MiB)和 archive-part-ab(剩余 3 字节)。100MB 则是十进制的 100000000 字节,不能混用。最后一段可以更小。
按顺序恢复并核对内容。 这个练习明确知道只有上述两个片段,所以逐个列出名称:
(
set -e
set -o noclobber
cat archive-part-aa archive-part-ab > archive-restored.bin
cmp archive.bin archive-restored.bin
)
cmp 在内容相同时不输出信息并返回状态 0;有差异通常返回 1,发生读取等错误返回 2。检查返回状态,不能仅凭“没有看到正文”判断恢复成功。这里启用 noclobber,避免重定向覆盖已有恢复文件;若文件已存在,换一个新输出名后再核对。
原例的 cat archive-part-* > archive-restored.bin 也可拼接,但只有在通配符恰好匹配本次全部片段、且展开顺序正确时才可靠。旧片段、备份、遗漏的片段或命名顺序错误都会破坏恢复;输出文件必须放在匹配集合之外。需要跨机器核验时,可对原文件与恢复文件使用同一种可靠哈希算法比较,单独比较大小不能证明内容相同。cmp 的逐字节比较说明介绍了返回状态与差异定位。
观察四行输入与两个片段
下面代码块可在任意允许写入的位置独立执行:它只在新建的 line-demo 中创建文件。目录已存在时停止,不会进入旧目录继续写入。
mkdir line-demo && cd line-demo && (
set -e
printf 'a\nb\nc\nd\n' | split -l 2 - part-
cat part-aa
cat part-ab
)
先显示 part-aa 的两行,再显示 part-ab 的两行,合起来看到:
a
b
c
d
split 默认不打印所创建的文件名,以上输出来自两个 cat。它也不会因当前没有输出而表示没有创建文件。需要创建时显示名称,可先确认本机支持 GNU 的 --verbose。输入不以换行结尾时,最后一条未终止的记录也可能形成片段,不要假定 wc -l 的换行符计数总等于记录数。
主要选项与文件命名
| 选项 | 用途与条件 |
|---|---|
-l N |
每段最多 N 行;最后一段可能不足 N 行。 |
-b SIZE |
每段最多 SIZE 字节,可切在文本行或多字节字符内部。 |
-d |
使用从 0 开始的数字后缀,初始名称常为 00、01;不代表自动按文件内容排序。 |
-a N |
指定后缀长度;固定长度能容纳的名称数量有限,耗尽会报错,可能已留下部分结果。 |
--additional-suffix=SUFFIX |
在生成的文件名末尾再追加字符串;追加 .txt 不会改变内容格式或使二进制变成文本。 |
GNU 默认后缀可在需要时扩展,不能把“两字符初始后缀”当成所有输入的固定上限;显式 -a 的行为不同。数字后缀、后缀扩展和本地排序规则可能影响通配符顺序。分发片段时保留完整名称、顺序和核验信息,接收方按清单重组,避免凭文件管理器的显示顺序猜测。
文本、覆盖与失败后的检查
-b 只按字节切,不理解 UTF-8、CSV 引号或日志事件;单个片段可能不能独立解码,完整顺序拼回后才恢复原字节。要按行处理用 -l。GNU -C SIZE 尽量在大小限制内保留完整记录,但一条记录本身大于限制时仍会被切开,不能保证所有行完整。带内嵌换行的 CSV 应由相应解析器按记录处理。
输入文件通常保留,但输出同名文件可能被覆盖,split 不受 shell 针对 > 的 noclobber 设置保护。上面的新目录防护比只换前缀可靠;不要反复在同一目录运行后直接把所有旧片段一起合并。
空间不足、权限错误或后缀耗尽时,可能只完成了部分片段。检查命令退出状态与错误输出,再核对片段数量、边界与恢复内容。保留原文件,失败结果单独检查;不要先删除原件,也不要把零长度或缺失文件当成正常完成。
常见问题
split 会删除原文件吗?
不会。它读取输入并创建片段,原输入文件保持不变。新片段和恢复文件仍需额外空间;核验完成前保留原件。
实现文档
Debian 官方收录的 GNU split 手册列出大小单位、后缀与选项。本机 man split 和 split --help 用于确认已安装版本的支持范围。




