split默认按1000行切割且不校验换行合法性，遇超长行、空字节或utf-8截断会破坏数据；必须显式用-l或-b指定切割依据，并配合-d、-a控制命名、-n l/n均衡分片、手动处理表头及末尾换行符。
直接用 split -l 就能按行拆分，但不加 -d 和 -a 容易导致文件名难排序、最后一块太小、后续处理出错。
为什么 split 默认按行切会出问题
不带参数运行 split file.txt 会按每 1000 行切，但它完全不检查换行符是否合法——遇到超长行（比如单行 JSON 占几 MB）、末尾缺换行符、或 UTF-8 多字节被截断时，split 仍硬生生劈开，后续用 awk 或 csvkit 读就直接报错或丢数据。常见错误信息是 split: file.txt: input line too long 或切完后某块结尾缺半个中文。
split -l 必须配 -d 和 -a 控制命名
默认生成 xaa、xab 这类字母后缀，按字典序排序是 xaa、xab、xac…xaz、xba，不是数值顺序，ls | head -n 5 看不到前 5 块，for f in part_*; do ... 也容易乱序处理。
- 加
-d：启用数字后缀，如part_00、part_01 - 加
-a 3：指定后缀占 3 位，避免part_0、part_10长度不一导致排序错乱 - 组合写法：
split -l 50000 -d -a 3 access.log part_→ 生成part_000、part_001…
最后一块只有几行？用 -n l/N 强制均衡分片
split -l 1000 big.csv 若总行数 10050，会产出 10 个满 1000 行的文件 + 1 个仅 50 行的 part_010。这在并行导入数据库或 Spark 分发任务时，容易让某个 worker 负载极低甚至失败。
- 改用
-n l/3：把文件平均拆成 3 份，行数尽量均衡（不管是否整除），命令为split -n l/3 -d -a 3 big.csv chunk_ - 注意：
-n l/N是 GNU coreutils ≥ 8.27 才支持，老系统（如 CentOS 7 默认的 8.22）不认，得先split --version确认 - 验证是否真均衡：
wc -l chunk_*看各块行数差值是否 ≤ 1
CSV 有表头？split 本身不支持，得手动补
split 没有 --header 选项，无法自动把第一行表头复制到每个分片。直接切会导致所有分片都缺表头，后续 csvsql 或 pandas 读取时报错。
- 先提取表头：
head -n1 data.csv > header.csv - 跳过表头再切：
tail -n+2 data.csv | split -l 10000 -d -a 4 - chunk_（注意输出前缀末尾加-表示从 stdin 读） - 给每个分片加表头：
for f in chunk_*; do cat header.csv "$f" > "tmp_$f" && mv "tmp_$f" "$f"; done
最容易被忽略的是：某些日志末尾没换行符，split -l 会把最后一行单独塞进新块，但 cat 合并回去时，这块末尾没 \n，下一块开头会粘连。切完务必用 tail -c1 part_000 | od -c 确认每块末尾是否为换行符。
