split 分割大型檔案

在 Linux 系統管理與資料處理的日常工作中，我們經常會遇到需要處理大型檔案的情境。無論是備份巨大的日誌檔、傳輸超過郵件附件限制的照片，還是將資料庫匯出的 CSV 檔拆分以便於後續處理，split 指令都是最基礎且強大的工具之一。它雖然功能看似單一，但透過靈活的選項配置，能精準地將單一檔案切割成多個小檔案，解決各種實際應用上的瓶頸。

這篇文章將深入解析 split 指令的核心用法，涵蓋按大小分割、按行數分割以及自訂檔名後綴等實戰技巧，幫助你輕鬆應對大型檔案的處理需求。

基本語法與常用選項

split 指令的基本語法非常直觀：

split [選項] [輸入檔案] [輸出檔名前綴]

若未指定輸出檔名前綴，預設會生成名為 xaa, xb, xc ... 的檔案。通常我們會自訂前綴，例如 part_，以便識別。以下是幾個最實用的選項：

-b：指定每個分割檔案的大小（可帶單位如 k, m, g）。
-l：指定每個分割檔案的行數。
-d：使用數字作為檔名後綴（預設為字母），對於大量分割時更為整潔。
-a：設定後綴的長度（當分割檔案數量超過 26 個時特別有用）。

實戰範例一：按文件大小分割

這是最常見的需求，例如將一個 1GB 的日誌檔拆分成多個 100MB 的檔案，方便透過 FTP 或雲端儲存空間上傳。

首先，我們建立一個測試用的大檔案（約 50MB）：

dd if=/dev/urandom of=large_file.bin bs=1M count=50

接著，使用 -b 選項將其分割成 10MB 的檔案，並加上數字後綴：

split -b 10M -d large_file.bin part_

執行後，你會發現目錄中出現了 part_00, part_01, part_02, part_03, part_04 這五個檔案。注意，我們使用了 -d 選項並搭配預設長度，因此後綴自動補零為兩位數（00-04）。

如果分割檔案數量超過 26 個（即超過單個字母 a-z 的範圍），預設的字母後綴會失效。此時必須使用 -d 搭配 -a 來指定後綴長度。例如，若要產生最多 1000 個檔案，後綴需為三位數：

split -b 1M -d -a 3 large_file.bin chunk_

這將生成 chunk_000, chunk_001 ... 直到 chunk_999。

實戰範例二：按行數分割

對於純文字檔（如日誌檔、CSV 檔），按行數分割往往比按大小分割更具邏輯性，因為它能確保每個小檔案包含完整的記錄行，不會出現中間斷行的情況。

假設我們有一個包含 1000 行的文字檔 data.txt：

seq 1000 > data.txt

若要每 100 行切一個檔案：

split -l 100 -d data.txt log_part_

執行結果會產生 log_part_00 到 log_part_09 共十個檔案。每個檔案都嚴格包含 100 行（最後一個檔案可能少於 100 行，若總行數不是 100 的倍數）。

常見問題與注意事項

1. 分割後的檔案如何合併？

許多新手會擔心分割後如何還原。其實，Linux 提供了 cat 指令可以輕鬆合併檔案。只要按照檔案名稱的順序進行合併，即可還原原始檔案。

cat part_* > restored_file.bin

或者使用更明確的排序方式：

cat part_00 part_01 part_02 part_03 part_04 > restored_file.bin

驗證方法：可以使用 md5sum 比較原始檔與合併後的檔是否一致，確保資料完整性。

2. 單位大小寫敏感嗎？

在 split 指令中，大小寫通常是有區別的。

k 代表 1024 位元組（KiB）
m 代表 1048576 位元組（MiB）
g 代表 1073741824 位元組（GiB）

若使用大寫 K, M, G，在某些版本或系統中可能代表 1000 進位（KB, MB, GB），這會導致分割大小與預期不符。因此，強烈建議使用小寫 k, m, g 以符合 POSIX 標準及大多數 Linux 發行版（如 Ubuntu 22.04 / Debian 12）的預設行為。

小結

split 指令雖然是 Linux 中的小型工具，但在處理大型檔案時卻發揮著舉足輕重的作用。透過理解 -b（大小）與 -l（行數）的差異，以及善用 -d 和 -a 來管理檔名順序，你可以輕鬆應對從日誌分析到資料備份的各種挑戰。記住，分割只是第一步，搭配 cat 進行還原，以及使用 md5sum 確保完整性，才是完整且專業的資料處理流程。下次遇到檔案過大時，不妨試試看 split，它會是你命令行工具箱中不可或缺的利器。