我正在處理這個大檔案（數據.DAT，~900MB）其中包含幾個其他檔案。它來自 PS2 遊戲。
聲音樣本（位於.AIFF格式），正是我所追求的，構成了它的大部分大小。
上網搜尋 PS2 後.DAT我發現它們基本上依賴於開發人員，並且由於這個遊戲/工具相當晦澀並且在網上找不到太多相關信息，所以我考慮自己自動化該過程。
在十六進制編輯器上檢查文件時我遇到了一些.AIFF標頭，將區塊克隆到新的.AIFF文件，無需任何進一步的工作，它們就可以播放。
我花了一段時間從我非常有限的 bash 知識中擺脫出來，並在這裡閱讀了類似的問題，我想出了這個表達方式：
gcsplit -f "sample-" -b "%04d.aif" DATA.DAT /FORM/ '{*}'
（我在 OSX 上使用 coreutils，因此 csplit 上有 g- 前綴）
鑑於.AIFF文件以字串“FORM”開頭，並且考慮到文件中的所有樣本基本上都彼此相鄰（由可忽略的數據量間隔開，不會在樣本上產生不需要的結束噪聲），我認為 regexp
/FORM/
將文件分開就足夠了。
然而，每個分割檔案都會輸出垃圾數據，這些數據位於聲音樣本之間。.AIFF標題，使其無法播放。
以下是分割聲音樣本的十六進位資料的螢幕截圖：
這個實際範例大約從 1500 位元組開始：
是什麼讓這個表達式用偏移量分割檔案？
答案1
Csplit 是一個文字實用程式。它是基於線路的。模式的/FORM/意思是「一條包含FORM」的線。行是 LF 以外的位元組序列（換行符，也稱為換行符，可以寫為\n, ^J, …），後面接著 LF 位元組（或使用 GNU 公用程式時在檔案結尾）。因此，您觀察到的「垃圾」是前一個 LF 字元和FORM子字串之間的任何內容。
手冊頁和--help簡短描述假設您已經知道該命令的作用，因此它們只提到“片段”而沒有解釋。您需要閱讀完整的文檔取得這些部件的描述。
你不能用 csplit 做你想做的事。您可以使用 GNU awk 來完成。 （其他版本的 awk 可能不具備必要的功能 — 支援任意記錄分隔符號和處理空位元組。）未經測試：
gawk -v RS='FORM' -v ORS='' '{
print "FORM" $0 >sprintf("sample-%04d.aif", n++)
}' DATA.DAT
但如果壓縮資料恰好包含四個字節FORM，則可能會在虛假位置被剪切。對於手動檢查的一次性操作來說，這可能已經足夠了，但如果您需要可靠的東西，最好使用格式感知工具。