Split large files into smaller, manageable chunks while preserving semantic structure.
python <skill_dir>/scripts/split_files.py --input <input_folder> --output <output_folder> [options]
| Parameter | Required | Default | Description |
|---|---|---|---|
--input |
Yes | - | Source folder containing files to split |
--output |
Yes | - | Output folder for split chunks |
--max-size |
No | 512000 (500KB) | Maximum bytes per chunk |
--min-size |
No | 409600 (400KB) | Minimum bytes per chunk |
--seq-digits |
No | 9 | Number of digits in sequence numbers |
--formats |
No | json,md,txt | File formats to process (comma-separated) |
--dry-run |
No | false | Preview mode - show what would be split without executing |
# Default 500KB split
python split_files.py --input "./corpus" --output "./corpus/chunks"
# Custom 200KB chunks
python split_files.py --input "./notes" --output "./notes/chunks" --max-size 204800 --min-size 153600
# JSON files only
python split_files.py --input "./data" --output "./data/out" --formats json
# Preview mode
python split_files.py --input "./data" --output "./data/out" --dry-run
[...]# through ######)Format: {source_filename_without_extension}{9-digit_sequence_number}{extension}
Examples:
dataset000000001.jsondataset000000002.jsonnotes000000001.md7w4.net收录了海量优质技能插件。
这个文件拆分工具整体质量不错,功能实用且文档清晰。优点是拆分逻辑合理、支持多种格式、预览模式和安全保障做得较好,能有效避免误操作和数据丢失。不足之处是功能相对单一,仅支持三种基础格式;部分边界情况的错误提示还可以更友好;没有示例或测试文件,新手上手可能需要多花时间理解。总体而言,是一个可靠可用的工具,适合有明确拆分需求的用户使用。