Linux:tar指令基本使用

简介: Linux:tar指令基本使用

命令格式:

tar[必要参数][选择参数][文件] 

参数说明

$ tar -h

第一个选项必须是模式说明符:
-c Create -r Add/Replace -t List -u Update -x Extract

Common Options:
-b # Use # 512-byte records per I/O block
-f <filename> Location of archive
-v Verbose
-w Interactive

Create: tar -c [options] [<file> | <dir> | @<archive> | -C <dir> ]
<file>, <dir> add these items to archive
-z, -j, -J, --lzma Compress archive with gzip/bzip2/xz/lzma
--format {ustar|pax|cpio|shar} Select archive format
--exclude <pattern> Skip files that match pattern
-C <dir> Change to <dir> before processing remaining files
@<archive> Add entries from <archive> to output

List: tar -t [options] [<patterns>]
<patterns> If specified, list only entries that match

Extract: tar -x [options] [<patterns>]
<patterns> If specified, extract only entries that match
-k Keep (don't overwrite) existing files
-m Don't restore modification times
-O Write entries to stdout, don't restore to disk
-p Restore permissions (including ACLs, owner, file flags)

实例操作

# 新建一个临时目录
$ mkdir tmp && cd tmp

# 新建3个文件
$ touch file{1,2,3}.txt
$ ls
file1.txt file2.txt file3.txt

# 1、打包(并非压缩)
$ tar -cvf file.tar *.txt
a file1.txt
a file2.txt
a file3.txt

$ ls
file.tar file1.txt file2.txt file3.txt

# 2、查看包内文件
$ tar -tvf file.tar
-rw-r--r-- 0 QMP admin 0 5 16 20:21 file1.txt
-rw-r--r-- 0 QMP admin 0 5 16 20:21 file2.txt
-rw-r--r-- 0 QMP admin 0 5 16 20:21 file3.txt

# 3、向现有打包文件中添加新文件
$ touch file4.txt
$ tar -rvf file.tar file4.txt
a file4.txt

$ tar -tvf file.tar
-rw-r--r-- 0 QMP admin 0 5 16 20:21 file1.txt
-rw-r--r-- 0 QMP admin 0 5 16 20:21 file2.txt
-rw-r--r-- 0 QMP admin 0 5 16 20:21 file3.txt
-rw-r--r-- 0 QMP admin 0 5 16 20:22 file4.txt

# 4、当前目录下解压文件
$ tar -xvf file.tar
x file1.txt
x file2.txt
x file3.txt
x file4.txt


$ ls
file.tar file1.txt file2.txt file3.txt file4.txt

# 指定解压目录,需要先新建目录,如果没有则会报错:目录不存在
$ mkdir file
$ tar -xvf file.tar -C file
x file1.txt
x file2.txt
x file3.txt
x file4.txt

$ ls
file file1.txt file3.txt
file.tar file2.txt file4.txt

# 进入目录查看解压后的文件
$ cd file
$ ls
file1.txt file2.txt file3.txt file4.txt

参考

linux中tar命令的用法

            </div>
目录
相关文章
|
7天前
|
数据采集 人工智能 安全
|
16天前
|
云安全 监控 安全
|
2天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:七十、小树成林,聚沙成塔:随机森林与大模型的协同进化
随机森林是一种基于决策树的集成学习算法,通过构建多棵决策树并结合它们的预测结果来提高准确性和稳定性。其核心思想包括两个随机性:Bootstrap采样(每棵树使用不同的训练子集)和特征随机选择(每棵树分裂时只考虑部分特征)。这种方法能有效处理大规模高维数据,避免过拟合,并评估特征重要性。随机森林的超参数如树的数量、最大深度等可通过网格搜索优化。该算法兼具强大预测能力和工程化优势,是机器学习中的常用基础模型。
269 156
|
3天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:六十九、Bootstrap采样在大模型评估中的应用:从置信区间到模型稳定性
Bootstrap采样是一种通过有放回重抽样来评估模型性能的统计方法。它通过从原始数据集中随机抽取样本形成多个Bootstrap数据集,计算统计量(如均值、标准差)的分布,适用于小样本和非参数场景。该方法能估计标准误、构建置信区间,并量化模型不确定性,但对计算资源要求较高。Bootstrap特别适合评估大模型的泛化能力和稳定性,在集成学习、假设检验等领域也有广泛应用。与传统方法相比,Bootstrap不依赖分布假设,在非正态数据中表现更稳健。
208 105
|
10天前
|
SQL 自然语言处理 调度
Agent Skills 的一次工程实践
**本文采用 Agent Skills 实现整体智能体**,开发框架采用 AgentScope,模型使用 **qwen3-max**。Agent Skills 是 Anthropic 新推出的一种有别于mcp server的一种开发方式,用于为 AI **引入可共享的专业技能**。经验封装到**可发现、可复用的能力单元**中,每个技能以文件夹形式存在,包含特定任务的指导性说明(SKILL.md 文件)、脚本代码和资源等 。大模型可以根据需要动态加载这些技能,从而扩展自身的功能。目前不少国内外的一些框架也开始支持此种的开发方式,详细介绍如下。
739 5
|
13天前
|
人工智能 自然语言处理 API
一句话生成拓扑图!AI+Draw.io 封神开源组合,工具让你的效率爆炸
一句话生成拓扑图!next-ai-draw-io 结合 AI 与 Draw.io,通过自然语言秒出架构图,支持私有部署、免费大模型接口,彻底解放生产力,绘图效率直接爆炸。
822 153