GNU split 按行切分验收：最后一行没有换行，怎样确认重组后仍是原文件
大文本分批处理后，分片数量看起来正确，合回去却可能因为顺序、旧文件混入或换行处理而变化。只检查“每片能打开”不足以证明拆分无损。本例用一个最后没有换行的中文小文件，从分片清单到字节重组建立完整验收，先把边界讲清再放大到真实数据。
本例在Linux、CPython 3.12.14与GNU split 9.7实跑。Python负责创建独立TemporaryDirectory、调用本机split并核对结果；所有文件都位于这次新建临时目录，退出时自动清理，不触碰用户文件。运行前需已安装GNU coreutils，不需要第三方Python包。
AI生成的概念示意图：一条包含三块色片的纸带切成两段，末段没有多余尾边，再按顺序拼回完整纸带；不是真实软件界面或运行截图。
完整程序与实际输出
保存为demo.py，执行python3 demo.py。代码与输出分列如下。
from pathlib import Path
from tempfile import TemporaryDirectory
import subprocess
source = '甲\n乙\n丙'.encode('utf-8')
with TemporaryDirectory(prefix='split-demo-') as directory:
root = Path(directory)
original = root / 'source.txt'
original.write_bytes(source)
subprocess.run(['split', '-l', '2', str(original), str(root / 'part-')], check=True)
chunks = sorted(root.glob('part-*'))
assert [p.name for p in chunks] == ['part-aa', 'part-ab']
for p in chunks:
data = p.read_bytes()
print(p.name, 'bytes=', len(data), 'content=', repr(data.decode('utf-8')))
rebuilt = b''.join(p.read_bytes() for p in chunks)
assert rebuilt == source
assert original.read_bytes() == source
print('exactly restored:', rebuilt == source)
print('ends with newline:', rebuilt.endswith(b'\n'))
print('newline bytes:', source.count(b'\n'))
print('logical lines:', len(source.splitlines()))本次实际标准输出：
part-aa bytes= 8 content= '甲\n乙\n' part-ab bytes= 3 content= '丙' exactly restored: True ends with newline: False newline bytes: 2 logical lines: 3
用字节写入一个明确的边界样本
输入是甲、乙、丙三个汉字，中间只有两个换行，末尾没有换行。程序先编码成UTF-8再以字节写入，因此文本模式的换行转换不会影响样本。这个文件共有三条逻辑行，但只有两个换行字节，二者不能混作同一个统计。
如果真实导出允许末尾不带换行，只按换行符数量计算记录数可能少算最后一条。反过来，空行本身也可能是一条合法记录。验收时应采用数据格式认可的行定义，不要在分片阶段随手补换行来让数字变得整齐。
两行上限产生一大一小两个分片
命令使用-l 2，输出part-aa和part-ab。第一片包含甲换行乙换行，共八个字节；第二片只含丙，共三个字节。每个汉字在这个样本里占三个UTF-8字节，所以行数上限并没有让两片的字节大小相同。
按行切分适合要求记录保持完整的文本任务。如果某一行特别长，一片仍可能很大；若限制来自上传大小，就不能仅靠固定行数保证不超限。按字节切分则可能把多字节字符或记录截开，必须与下游读取方式共同设计，不能只替换一个参数就假定仍可独立处理。
固定分片清单，再按顺序重组
程序只在这次新目录里查找part前缀，排序后断言清单正好是两项，再逐片读取字节。默认连续切分的后缀设计支持按名称顺序恢复输入。本例没有使用轮询分配模式，不能把相同拼接方法直接推广到所有split选项。
在长期复用的目录里，宽泛的通配符可能把上次残留分片一起合并，制造很难发现的重复内容。实际流程可以每次使用独立输出目录，记录分片列表、大小和顺序，并在拆分完成后才发布清单。若拆分失败，已有部分文件也不应被当成完整结果继续处理。
验收比较字节，不只比较显示文字
exactly restored为True，证明按列表顺序拼出的字节与原始source完全相同；ends with newline为False，证明末尾没有被偷偷补换行。程序还再次读取原文件，确认拆分没有改写来源。这些断言比只看终端里三行汉字更具体，也更适合自动化回归。
本例只有十一个字节，可以直接拼到内存比较。真实大文件应流式处理并按需要计算可信摘要，避免验收阶段反而耗尽内存；分片数量、总字节数和完成状态仍要独立核对。源文件若在拆分期间被其它进程修改，还需要一致性安排，本文固定样本不模拟并发写入。
参考资料与验证记录
官方资料核验于2026年10月3日。本次完整程序退出码为0，标准错误为空。
