☰

头部行为怪异

tag-icon • tag-icon command-line coreutils
头部行为怪异

我已经下载了warc文件来自 Ubuntu 18.04 中的 Common Crawl。使用 gzip 解压后，我尝试使用 获取文件的一部分head。我首先尝试：

head -c 29 CC-MAIN-20210620114611-20210620144611-00436.warc

它产生了预期的结果，输出文件的前 29 个字节：

WARC/1.0
WARC-Type: warcinfo

但是，如果我使用 30 而不是 29，则会产生意想不到的结果：

head -c 30 CC-MAIN-20210620114611-20210620144611-00436.warc

输出：

WARC/1.0

这只是文件的前 10 个字节，而不是前 30 个字节。如果我使用head -c 31，结果又是预期的。我不知道这是否是一个错误，或者是否存在我不知道的有关 head 工作原理的细节。

答案1

该head命令几乎肯定会输出请求的字节数，但是这些字节是影响它们在你的终端上的显示方式。

具体来说，您的 gunzipped 文件几乎肯定具有 DOS 样式的 CRLF 行结尾，其中 CR 位于字节 30，LF 位于字节 31。当您执行此操作时head -c29，head 输出将排除两个行结束字节，并且您会看到类似的内容

yourname@computer:~$ head -c29 file.warc
WARC/1.0
WARC-Type: responseyourname@computer:~$

您的 shell 提示符紧跟在第 29 个字节之后。当您这样做时head -c31，您会捕获 CR 和 LF，输出如下所示

yourname@computer:~$ head -c31 file.warc
WARC/1.0
WARC-Type: response
yourname@computer:~$

然而当您这样做时head -c30，输出包含终止 CR 但不包含其后跟的 LF - 光标被送回位置 0，但留在终端的同一行，然后被您的 shell 提示符覆盖：

yourname@computer:~$ head -c31 file.warc
WARC/1.0
yourname@computer:~$

如果行长超过提示符，您将看到文件中的字符超出末尾。如果提示符PS1为空，那么您将看到完整的预期输出。

相关内容