我正在处理这个大文件（数据.DAT，~900MB）其中包含几个其他文件。它来自 PS2 游戏。
声音样本（位于.AIFF格式），正是我所追求的，构成了它的大部分大小。
在网上搜索 PS2 后.DAT我发现它们基本上依赖于开发人员，并且由于这个游戏/工具相当晦涩并且在网上找不到太多相关信息，所以我考虑自己自动化该过程。
在十六进制编辑器上检查文件时我遇到了一些.AIFF标头，将块克隆到新的.AIFF文件，无需任何进一步的工作，它们就可以播放。
我花了一段时间从我非常有限的 bash 知识中摆脱出来，并在这里阅读了类似的问题，我想出了这个表达方式：
gcsplit -f "sample-" -b "%04d.aif" DATA.DAT /FORM/ '{*}'
（我在 OSX 上使用 coreutils，因此 csplit 上有 g- 前缀）
鉴于.AIFF文件以字符串“FORM”开头，并且考虑到文件中的所有样本基本上都彼此相邻（由可忽略的数据量间隔开，不会在样本上产生不需要的结束噪声），我认为正则表达式
/FORM/
将文件分开就足够了。
然而，每个分割文件都会输出垃圾数据，这些数据位于声音样本之间。.AIFF标题，使其无法播放。
下面是分割声音样本的十六进制数据的屏幕截图：
这个实际示例大约从 1500 字节开始：
是什么让这个表达式用偏移量分割文件？
答案1
Csplit 是一个文本实用程序。它是基于线路的。模式的/FORM/意思是“一条包含FORM”的线。行是除 LF 以外的字节序列（换行符，也称为换行符，可以写为\n, ^J, …），后跟 LF 字节（或者使用 GNU 实用程序时在文件末尾）。因此，您观察到的“垃圾”是前一个 LF 字符和FORM子字符串之间的任何内容。
手册页和--help简短描述假设您已经知道该命令的作用，因此它们只提到“片段”而没有解释。您需要阅读完整的文档获取这些部件的描述。
你不能用 csplit 做你想做的事。您可以使用 GNU awk 来完成。 （其他版本的 awk 可能不具备必要的功能 — 支持任意记录分隔符和处理空字节。）未经测试：
gawk -v RS='FORM' -v ORS='' '{
print "FORM" $0 >sprintf("sample-%04d.aif", n++)
}' DATA.DAT
但如果压缩数据恰好包含四个字节FORM，则可能会在虚假位置被剪切。对于手动检查的一次性操作来说，这可能已经足够了，但如果您需要可靠的东西，最好使用格式感知工具。