it-swarm.cn

从文件开头删除字节的最佳方法?

今天,我不得不从800MB的混合文本/二进制文件中删除前1131个字节,这是我为新存储库准备的经过过滤的Subversion转储。最好的方法是什么?

首先我尝试

dd bs=1 skip=1131 if=filtered.dump of=trimmed.dump

但是在跳过之后,这会将文件的其余部分一次复制一个字节,即速度非常慢。最后,我计算出需要405个字节将其四舍五入为512个可以跳过的三个块

dd if=/dev/zero of=405zeros bs=1 count=405
cat 405zeros filtered.dump | dd bs=512 skip=3 of=trimmed.dump

哪个完成得很快,但肯定有一个更简单/更好的方法?我还有其他忘记的工具吗?谢谢!

64
Rup

您可以切换bs并跳过选项:

dd bs=1131 skip=1 if=filtered.dump of=trimmed.dump

这样,操作可以受益于更大的块。

否则,您可以尝试使用tail(尽管将其与二进制文件结合使用并不安全):

tail -c +1132 filtered.dump >trimmed.dump

最后,您可以使用3个dd实例编写如下内容:

dd if=filtered.dump bs=512k | { dd bs=1131 count=1 of=/dev/null; dd bs=512k of=trimmed.dump; }

第一个dd打印其标准输出filter.dump;第二个只读取1131个字节并将其丢弃;然后,最后一个从其标准输入中读取filter.dump的剩余字节,并将它们写入trimped.dump。

67
marco

不知道何时添加skip_bytes,但是要跳过前11个字节,您可以:

# echo {123456789}-abcdefgh- | 
                              dd bs=4096 skip=11 iflag=skip_bytes
-abcdefgh-
0+1 records in
0+1 records out
11 bytes (11 B) copied, 6.963e-05 s, 158 kB/s

iflag=skip_bytes告诉dd将skip选项的值解释为字节而不是块,使其简单明了。

您可以使用子Shell和两个dd调用,如下所示:

$ ( dd bs=1131 count=1 of=dev_null && dd bs=4K of=out.mp3 ) < 100827_MR029_LobbyControl.mp3
1+0 records in
1+0 records out
1131 bytes (1.1 kB) copied, 7.9691e-05 s, 14.2 MB/s
22433+1 records in
22433+1 records out
91886130 bytes (92 MB) copied, 0.329823 s, 279 MB/s
$ ls -l *
-rw------- 1 max users 91887261 2011-02-03 22:59 100827_MR029_LobbyControl.mp3
-rw-r--r-- 1 max users     1131 2011-02-03 23:04 dev_null
-rw-r--r-- 1 max users 91886130 2011-02-03 23:04 out.mp3
$ cat dev_null out.mp3 > orig
$ cmp 100827_MR029_LobbyControl.mp3 orig
15
maxschlepzig

如果文件系统和Linux内核支持,则可以尝试 fallocate 如果要进行更改:最好的情况是没有数据IO完全:

$ fallocate <magic> -o 0 -l 1131 inplace.dump

<magic>取决于文件系统,Linux版本和文件类型( FALLOC_FL_COLLAPSE_RANGEFALLOC_FL_PUNCH_HOLE | FALLOC_FL_KEEP_SIZE可以在内部使用 )。

7
jfs

您应该使用_count=0_-只要有可能,这就是一个简单的lseek()

像这样:

_{  dd bs=1131 skip=1 count=0; cat; } <filtered.dump >trimmed.dump
_

dd会将输入文件描述符的lseek()偏移到1131个字节的偏移量,然后cat将简单地复制剩下的内容以输出。

3
mikeserv

从文件中删除前导字节的另一种方法(根本不使用dd)是分别使用xxdsedtail

bytes=$((1131*2))

xxd -p -c 256 filtered.dump | tr -d '\n' | sed "s/^.\{0,${bytes}\}//" | xxd -r -p > trimmed.dump

bytes=$((bytes + 1)) 
xxd -p -c 256 filtered.dump | tr -d '\n' | tail -c +${bytes} | xxd -r -p > trimmed.dump
2
wop

@maxschlepzig要求在线班轮。这是Perl中的一个。它需要2个参数:从字节和长度。输入文件必须由'<'给出,输出将在stdout上:

Perl -e 'sysseek(STDIN,shift,0) || die; $left = shift;
     while($read = sysread(STDIN,$buf, ($left > 32768 ? 32768 : $left))){
        $left -= $read; syswrite(STDOUT,$buf);
     }' 12345678901 19876543212 < bigfile > outfile

如果长度大于文件长度,则文件的其余部分将被复制。

在我的系统上,这提供了3.5 GB/s的速度。

2
Ole Tange