Ubuntu 16.04を使用しています。
多くのテキストファイル(ほぼ12k)を含むフォルダーがあります。 .tar.gz
アップロードを受け入れて自動的に解凍するWebサイトにそれらをすべてアップロードする必要がありますが、ファイルごとに10MB(10000KB)の制限があります(したがって、特に各ファイルは独自に解凍する必要があります)。これらのファイルをすべてtar.gz
した場合、結果のファイルは約72MBです。
私がやりたいのは、それぞれが10000KBより小さいサイズ/ディメンション(厳密に)の8つの.tar.gz
ファイルを作成することです。
あるいは、上記のすべてのファイルのサイズがほぼ同じであると想定できるため、それぞれ多かれ少なかれ同じ量の8つの.tar.gz
ファイルを作成したいと思います。
これら2つのタスクのいずれかを実行するにはどうすればよいですか?
GUI、CLI、またはスクリプティングを含むソリューションにはまったく問題ありません。ここでスピードを探しているのではなく、ただそれが必要です。
Totallyパッチワークとクイックラフスケッチはそのままですが、3000ファイルのディレクトリでテストされたため、以下のスクリプトは非常に高速なジョブを実行しました。
#!/usr/bin/env python3
import subprocess
import os
import sys
splitinto = 2
dr = sys.argv[1]
os.chdir(dr)
files = os.listdir(dr)
n_files = len(files)
size = n_files // splitinto
def compress(tar, files):
command = ["tar", "-zcvf", "tarfile" + str(tar) + ".tar.gz", "-T", "-", "--null"]
proc = subprocess.Popen(command, stdin=subprocess.PIPE)
with proc:
proc.stdin.write(b'\0'.join(map(str.encode, files)))
proc.stdin.write(b'\0')
if proc.returncode:
sys.exit(proc.returncode)
sub = []; tar = 1
for f in files:
sub.append(f)
if len(sub) == size:
compress(tar, sub)
sub = []; tar += 1
if sub:
# taking care of left
compress(tar, sub)
compress_split.py
として空のファイルに保存しますファイルを引数としてディレクトリで実行します:
python3 /path/tocompress_split.py /directory/with/files/tocompress
番号付き.tar.gz
ファイルは、ファイルがある場所と同じディレクトリに作成されます。
スクリプト:
より洗練された方法は、チャンクの最大サイズ(mb)を(2番目の)引数として使用することです。以下のスクリプトでは、チャンクがしきい値に達する(パスする)とすぐにチャンクが圧縮ファイルに書き込まれます。
スクリプトはチャンクによってトリガーされ、しきい値を超えているため、(すべての)ファイルのサイズがチャンクサイズよりも大幅に小さい場合にのみ機能します。
#!/usr/bin/env python3
import subprocess
import os
import sys
dr = sys.argv[1]
chunksize = float(sys.argv[2])
os.chdir(dr)
files = os.listdir(dr)
n_files = len(files)
def compress(tar, files):
command = ["tar", "-zcvf", "tarfile" + str(tar) + ".tar.gz", "-T", "-", "--null"]
proc = subprocess.Popen(command, stdin=subprocess.PIPE)
with proc:
proc.stdin.write(b'\0'.join(map(str.encode, files)))
proc.stdin.write(b'\0')
if proc.returncode:
sys.exit(proc.returncode)
sub = []; tar = 1; subsize = 0
for f in files:
sub.append(f)
subsize = subsize + (os.path.getsize(f)/1000000)
if subsize >= chunksize:
compress(tar, sub)
sub = []; tar += 1; subsize = 0
if sub:
# taking care of left
compress(tar, sub)
走る:
python3 /path/tocompress_split.py /directory/with/files/tocompress chunksize
...ここで、chunksizeは、tarコマンドのinputのサイズです。
これには、@ DavidFoersterによって提案された改善が含まれています。ありがとうたくさん!
純粋なシェルアプローチ:
files=(*);
num=$((${#files[@]}/8));
k=1
for ((i=0; i<${#files[@]}; i+=$num)); do
tar cvzf files$k.tgz -- "${files[@]:$i:$num}"
((k++))
done
files=(*)
:配列$files
にファイルのリスト(存在する場合はディレクトリも、files=(*.txt)
に変更してtxt
拡張子を持つもののみを取得)を保存します。num=$((${#files[@]}/8));
:${#files[@]}
は、配列$files
の要素数です。 $(( ))
は、bashの(制限された)算術の方法です。したがって、このコマンドは$num
を8で割ったファイルの数に設定します。k=1
:tarballに名前を付けるための単なるカウンター。for ((i=0; i<${#files[@]}; i+=$num)); do
:配列の値を反復処理します。 $i
は0
(配列の最初の要素)で初期化され、$num
ずつ増加します。これは、すべての要素(ファイル)を確認するまで続きます。tar cvzf files$i.tgz -- ${files[@]:$i:$num}
:bashでは、${array[@]:start:length}
を使用して配列スライス(配列の一部)を取得できるため、${array[@]:2:3}
は2番目から3つの要素を返します。ここでは、$i
の現在の値から始まり、$num
要素の長さのスライスを取得しています。 --
は、ファイル名のいずれかが-
で始まる場合に必要です。((k++))
:$k
をインクリメント