Shell拆分大文件

需求：由于文件过大，不方便进行相关的操作，需要将其拆分成大小小于500000B，即488.28125k的文件。同时，为了保证文件的可读性，行内不可以分割，同时，由于内容是块状可读，按照日期进行分割的，因此不能破坏块状因素。例如，db2diag.log日志文件，其格式如下：

2004-10-11-19.01.56.555034-300 I7109918C313 LEVEL: Event 
PID : 119664 TID : 1 PROC : db2star2 
INSTANCE: dimi NODE : 000 
FUNCTION: DB2 UDB, config/install, sqlfLogUpdateCfgParam, probe:30 
CHANGE : CFG DBM: "Instance_Memory" <automatic> From: "11126" To: "11126" 

所以在拆分过程中，不能破坏其可读性。

一. 研究使用split命令，split [-blC] file PREFIX

参数: -b 后面可接欲分割成的文件大小，可加单位b,k,m等。但是只是按照大小进行拆分，行内或者某个单词也会被拆开。split -b 488k filename prefix

         -l  后面根据行数来进行分割，这样可以保证行内不被切割，但是不能保证块内不被切割。而且由于行中的字符数不确定，因此导致行书切割也不确定。 split -l 10 filename prefix

         -C 与-b类似，也是指定字节数，但是切割时尽量维持每行的完整性。split -C 488k filename prefix

         PREFIX  代表前导符，可作为切割文件的前导文字

二.awk命令

awk -v prefix=$2 'BEGIN {bitNum=0; i=0} {if (length($0) != 0){bitNum+=length($0); print $0 > prefix i;}else{if(bitNum > 480000){i++; bitNum=length($0); print $0 > prefix i} else{bitNum+=length($0); print $0 > prefix i;}}}' $filename

其中prefix是用户传入的变量名，为了能在后面的处理中使用，使用-v声明

BEGIN用来初始化变量；记录以空行即length($0)为分割；bitNum用来记录已经出现了多少个字符，i用来记录是存储到第几个文件中(小文件名)

 

参考: http://bbs.chinaunix.net/thread-4124134-1-1.html

awk内置字符串: http://bbs.chinaunix.net/thread-1697027-1-1.html