Dotaz: Rozdelení souboru

[Vantar]

Ahoj, potřebuji rozdělit 1000 řádkový textový soubor do 100 deseti řádkových. V každém řádku je jedno slovo. Neví někdo jak to naprogramovat? (nebo zná někdo program který by to dovedl?) Já se v tom moc nevyznám. Díky za pomoc.

---

---

Odpovědi

[Aleš Kapica]

co třeba split ?

přepínač

-l, --lines=NUMBER put NUMBER lines/records per output file

[Vantar]

Rozdělilo to, jenomže do souborů bez přípony .txt co je mi k ničemu.

[Vantar]

update: --additional-suffix=.txt to vyřešilo

[Andrej]

Technická poznámka: Nic takového jako „přípona“ neexistuje. Název souboru může a nemusí obsahovat tečku / tečky.

[k3dAR]

ano a pokud nazev souboru obsahuje (jednu nebo vice) tecku, tak to za (pripadnou posledni) teckou je pripona to ze Linux/UN*X ji nepozaduje na tom nic nemeni :)

[Andrej]

Takže u soubor.tar.gz je „přípona“ jenom gz? Jak to? Proč? (A dává to smysl, s ohledem na obsah souboru?)

Sorry jako, nic takového jako přípona neexistuje.

Že je UNIX v oblasti souborových systémů jakási norma, to je pravda; nějakých 50 let už to tak je. Takže pokud UNIX nic takového jako příponu nezná, dá se s klidem říct, že přípona neexistuje.

Jo, že jistý rychlý a špinavý „operační systém“ (sesmolený kýmsi za víkend a prodávaný davům neználků) kdysi umožňoval rozšířit úžasně dlouhé 8-znakové názvy o 3 znaky za tečkou, to je jakási ošklivá historie, na kterou nejlepší zapomenout. Podobně jako na fakt, že se ve středověkých městech vylévala hovna na ulici.

[Peter Golis]

Už dávno sa aj v Linuxe berie do úvahy prípona súboru. Časy keď sa zisťoval typ súboru podľa jeho obsahu a následné vykonanie akcie (kombinácia nástroja file, a mime-type) stratili svoje čaro.

[Andrej]

Už dávno sa aj v Linuxe berie do úvahy prípona súboru.

To je zajímavý názor. Kde přesně ve zdrojácích kernelu tohle braní přípony do úvahy najdu?

[Peter Golis]

V správcovi súborov .

[Andrej]

Aha. Tak děkuji za potvrzení toho, co jsem psal výše: v kernelu nic takového není. Jediný případ, kdy má tečka v UNIXových názvech souborů speciální význam, jsou adresáře „.“ a „..“.

Správce souborů, jako každý userspace program, může klidně považovat za důležité předpony, přípony i kterékoliv jiné části názvů souborů. To ale nic nemění na faktu, že z hlediska operačního systému a filesystému žádná přípona neexistuje.

[k3dAR]

budes se aasi divit, ale zdrojaky jadra obsahuji soubory napr. s priponou .c, pro hlavickove soubory pak pripona .h...
dale asi budes nechapat, ale tazatel neresil soubor.txt pro zpracovani jadrem, ale nejakym programem co ocekava (nebo jeho uzivatel) priponu .txt, dale ze pouzitej nastroj split ma parametry pro suffix, tedy priponu... sed pri zmene inplace vytvari zalohu s priponou (uzivatelem definovatelnou), dale napriklad Freedesktop specifikace rika ze soubor popisujici (mimojine) spoustec ma priponu .desktop, systemd pouziva pro sluzby priponu .service... takze tve pozdejsi upresneni ze ti slo o "co je v kernelu" nic na tomto nemeni, ani na tom ze puvodne ses tvaril ze neexistuje pripona souboru obecne

[Andrej]

Šmarja, já jsem vůbec neřešil, jak se zdrojáky jmenují, ale co dělají. (Toto už snad ani není obvyklá „argumentace“ typu kátřidAR, toto už je o level jinde.)

Pokud nějaký program očekává konec názvu .txt, tak ať mu uživatel klidně ten soubor přejmenuje, jak je potřeba. A co má být?

Freedsktop specifikace se týká kernelu nebo userspace? (Hint: Počítá freedesktop s konkrétním kernelem? Počítá s konkrétním filesystémem? Říká někde, že celý kernel a/nebo některý filesystém musí speciálně chápat konstrukt zvaný přípona? Ne.)

Mohl jsi zvolit mnohem okatější jakože-rádoby-protipříklad: „skryté“ soubory a adresáře s názvy začínajícími tečkou. (Zase ta tečka z hlediska (file)systému nic neznamená; je to jenom konvence, která říká, co se nemusí příliš okatě ukazovat v souborových manažerech.) Jenže tomuhle zjevnému příkladu se tady zatím každý potichu vyhnul, protože zrovna tam není jasné, co má být přípona. Takže když mám někde adresář .config, má příponu nebo ne? Je .config jméno nebo přípona?

Zkrátka a dobře, báje o příponě je skvělý způsob, jak se zamotat do slovíčkaření.

A ať už jsem se tvářil tak nebo onak, přípona neexistuje.

[Peter Golis]

Na jednu stranu jadro alebo ovládač FS pre svoj beh nepotrebujú prípony lebo bodka je štandardnou súčasťou názvu súboru.

Na druhú stranu keby neboli tie prípony, tak jadro ani nevznikne. Podľa prípony sa rozhoduje sada nástrojov na preklad zo zdrojákov ako s daným zdrojákom naloží.

Omáčku okolo toho je zbytočné rozoberať. Proste, ten akoby nezmysel je potrebný aj pre jadro.

[kvr]

To, že přípona se nezpracovává samotným jádrem OS, neznamená, že neexistuje. Disk neví nic o souborech a taky nebudu tvrdit, že soubory neexistují. Stejně jako elektron neví nic o atomu, ale neznamená to, že atom neexistuje.

Na vyšších vrstvách abstrakce definujeme nové pojmy, abychom zjednodušili porozumění problému. Přípony jsou primárně pro lidi, aby věděli, co čekat uvnitř (to, že můžou být špatně nebo se dokonce zneužívají, je jiná věc). Nástroje jako správce souborů nebo editory jim v tom účinně pomáhají.

[rastos]

Takže keď urobím

cp /etc/passwd /tmp/foo.jpg

a potom správcovi súborov kliknem na /tmp/foo.txt tak sa mi otvorí prehliadač obrázkov a nie textový editor? Tak to máš teda blbého správcu súborov

[rastos]

Oprava:

... kliknem na /tmp/foo.jpg ...

[Peter Golis]

Áno, správcovia súborov prebrali tento typ práce z iného OS. Podobne ako sa kedysi zrušila funkcionalita DPI udávajúca fyzickú hustotu obrazových bodov, a začalo to (ehm) fungovať ako "Font Scaling". Holt, návyky z iných OS dokázali nakaziť a eliminovať korektnú funkcionalitu na Linuxe.

Teda v prípade mainstream ucelených grafických rozhraní. Geekovia si to vedia, a aj chcú nastaviť podľa seba. Tak aby ich takéto vylomeniny nelimitovali.

[rastos]

fs/binfmt_misc.c

[Aleš Kapica]

Už dávno sa aj v Linuxe berie do úvahy prípona súboru. Časy keď sa zisťoval typ súboru podľa jeho obsahu a následné vykonanie akcie (kombinácia nástroja file, a mime-type) stratili svoje čaro.

Cože?! Jsi spadl z višně, ne? Vyzkoušej si příkaz file.

[Peter Golis]

Reaguješ s návrhom na použitie nástroja, ktorý som priamo spomínal v príspevku na ktorý reaguješ.

[Aleš Kapica]

Psal jsem ti to proto, že na nějaké přípony sere pes. Různé typy souborů mají různé hlavičky.

[Peter Golis]

Toľká sebakritika.

[Bherzet]

Takže u soubor.tar.gz je „přípona“ jenom gz?

Ano, samozřejmě.

$ file test.tar.gz 
test.tar.gz: gzip compressed data, last modified: Sat Feb 27 12:51:33 2021, from Unix, original size 10240

Jak to? Proč? (A dává to smysl, s ohledem na obsah souboru?)

Dává to dokonalý smysl.

$ gzip -d test.tar.gz
$ ls
test.tar
$ tar -xvf test.tar 
test.txt
$ ls
test.tar  test.txt

Jinak řečeno: soubor test.tar.gz dekomprimuji programem gzip, čímž získám test.tar. To už je archiv, který sám o sobě může obsahovat různé soubory o různých příponách, pročež není zvykem je uvádět – nedává to smysl. V tomto případě, kdy jsem do .tar.gz ukryl jediný soubor, bych sice mohl celý archiv označit jako test.txt.tar.gz, ale ukazoval bych tím akorát svou hloupost a úplně zbytečné použití taru. Daleko smysluplnější by bylo test.txt.gz – a vskutku, s podobnými názvy se již setkat lze.

Sorry jako, nic takového jako přípona neexistuje.

Přípona, anglicky bychom řekli suffix, je věc, která existuje tak nějak z definice.

Takže pokud UNIX nic takového jako příponu nezná, dá se s klidem říct, že přípona neexistuje.

UNIX nezná tvojí mámu, ale to neznamená, že neexistuje/neexistovala.

Jo, že jistý rychlý a špinavý „operační systém“ (sesmolený kýmsi za víkend a prodávaný davům neználků) kdysi umožňoval rozšířit úžasně dlouhé 8-znakové názvy o 3 znaky za tečkou, to je jakási ošklivá historie, na kterou nejlepší zapomenout. Podobně jako na fakt, že se ve středověkých městech vylévala hovna na ulici.

V MS-DOSu měla přípona technický význam. Nejen v tom, že se jí dostávalo zvláštního zacházení na úrovni souborového systému (tečka samotná nebyla ve FAT uložená a např. názvy SOUBOR a SOUBOR. jsou proto identické), ale i proto, že se jednalo o primární a většinou asi jediný způsob určení typu souboru. Např. validní dávkový soubor, ovšem s jinou příponou než .BAT, by ze standardního COMMAND.COM zkrátka nešel spustit (pokud si správně vzpomínám).

V UNIX-like systémech se s takto rigidními požadavky obvykle nesetkáváme a většina softwarového vybavení umí pracovat s libovolně pojmenovanými soubory. Přípona přežívá zejména jako užitečná konvence, která umožňuje na první pohled a s pomocí standardních nástrojů (jako např. ls nebo mc) poznat typ souboru. Je to možná trochu smutné, že ve 21. století stále pracujeme s vlastně, mohli bychom to tak nazvat, nízkoúrovňovými nástroji, které sami od sebe neudělají ten krok navíc a neřeknou nám skutečný význam toho kterého souboru, nýbrž se musíme spoléhat na jmenné konvence (!), ale na druhou stranu je to jednoduché a většinou to dobře funguje.

Ale zpátky k tématu:

Rozdělilo to, jenomže do souborů bez přípony .txt co je mi k ničemu.

Technická poznámka: Nic takového jako „přípona“ neexistuje. Název souboru může a nemusí obsahovat tečku / tečky.

Jak jinak bys tedy formuloval tazatelův výrok ty? On potřeboval, aby mu to vygenerovalo soubory, jejichž názvy končí znaky .txt. A tomu se prostě říká přípona. Stejně tak by mohl chtít, aby ty názvy začínaly nějakou předponou, prefixem. Poznámka o „neexistenci přípon“ je snaha o zbytečné hnidopišství, navíc založené na mylné domněnce, že přípona musí být část názvu souboru se speciálním technickým významem.

[Aleš Kapica]

Jen bych doplnil, že se místo archiv.tar.gz také občas používá archiv.tgz.

[Vtipnéř]

Technická poznámka: Nic takového jako „přípona“ neexistuje. Název souboru může a nemusí obsahovat tečku / tečky.

Máš pravdu, ale my, co jsme začínali na RSX-11 a MS-DOS 3.3, tomu tak říkáme.

Jirka

[Andrej]

Ano, zlozvyků je těžké se zbavit, ale je dobré se o to alespoň pokusit.

[NUKE GAZA! 🎆]

co třeba jako awk :O ;D

awk 'NR%100==1{nazev=++i".txt";}{print > nazev}' vstupni_soubor.txt

[Andrej]

Domácí úkoly je třeba řešit samostatně. Jedině tak se člověk něco naučí. Hledání řešení a metoda pokus/omyl je nezbytným předpokladem k pozdějšímu zvládnutí předmětu či oboru.

split_file() {
  local -r file="$1"
  local -ri lines="${2:-10}"
  local -i blocknum=0
  local -i linenum=0
  local line
  for ((;;)); do
    while read line; do
      echo "$line"
      if ! ((++linenum % lines)); then
        ((++blocknum))
        continue 2
      fi
    done > "${file}.$((blocknum))"
    break
  done < "$file"
}

Příklad použití:

cd /tmp
cp /proc/cpuinfo .
split_file cpuinfo