جزوه · خلاصه کردن و بررسی فایل‌ها (wc, cut, md5sum)

📘 فصل اول · قسمت سیزدهم خلاصه کردن و بررسی فایل‌ها

📅 تاریخ: ۱۸ مرداد ۱۴۰۵ 👤 مدرس: محمد عابدینی 🐚 Zsh · 🐧 Debian

▍ مقدمه

در این جلسه با ابزارهایی آشنا می‌شویم که به ما کمک می‌کنند:

خلاصه‌ای از فایل بگیریم (تعداد خطوط، کلمات و کاراکترها)
ستون‌های خاص را از فایل استخراج کنیم
یکتا بودن (Integrity) فایل را با هش (Hash) بررسی کنیم

                🔑 بخش‌های اصلی این جلسه:
                خلاصه کردن فایل: wc (Word Count)
استخراج ستون‌ها: cut
بررسی صحت فایل: md5sum و سایر هش‌ها

            

▍ فرمان wc (Word Count)

wc مخفف Word Count است و اطلاعات آماری درباره فایل می‌دهد:

تعداد خطوط (Lines)
تعداد کلمات (Words)
تعداد کاراکترها (Characters) یا بایت‌ها (Bytes)

┌──(ya3in㉿kali)-[~] └─$ wc file.txt 5 20 120 file.txt

خروجی: ۵ خط، ۲۰ کلمه، ۱۲۰ کاراکتر

• گزینه‌های پرکاربرد wc

گزینه	توضیح
`-l`	فقط تعداد خطوط (Lines)
`-w`	فقط تعداد کلمات (Words)
`-c`	فقط تعداد بایت‌ها (Bytes)
`-m`	فقط تعداد کاراکترها (Characters)
`-L`	نمایش طول بلندترین خط

┌──(ya3in㉿kali)-[~] └─$ wc -l file.txt 5 file.txt └─$ wc -w file.txt 20 file.txt └─$ wc -L file.txt 35 file.txt

طولانی‌ترین خط این فایل ۳۵ کاراکتر است.

💡 نکته کاربردی:

می‌توانید از wc -l برای شمارش تعداد فایل‌های یک دایرکتوری استفاده کنید:

┌──(ya3in㉿kali)-[~] └─$ ls -1 | wc -l 12

تعداد فایل‌های دایرکتوری جاری را نشان می‌دهد.

▍ فرمان cut (استخراج ستون‌ها)

cut برای استخراج بخش‌هایی از هر خط فایل استفاده می‌شود.

• گزینه‌های اصلی cut

گزینه	توضیح
`-d`	مشخص کردن جداکننده (Delimiter) - پیش‌فرض `Tab`
`-f`	مشخص کردن فیلدهای مورد نظر (با جداکننده)
`-c`	مشخص کردن کاراکترهای مورد نظر (بر اساس موقعیت)

┌──(ya3in㉿kali)-[~] └─$ cat students.txt ali:20:Tehran
reza:22:Shiraz
sara:19:Isfahan └─$ cut -d: -f1 students.txt ali
reza
sara

استخراج فیلد اول (اسامی) با جداکننده :.

┌──(ya3in㉿kali)-[~] └─$ cut -d: -f2,3 students.txt 20:Tehran
22:Shiraz
19:Isfahan

استخراج فیلدهای دوم و سوم (سن و شهر).

• استفاده از cut با کاراکترها (-c)

┌──(ya3in㉿kali)-[~] └─$ cut -c1-5 file.txt

استخراج کاراکترهای ۱ تا ۵ از هر خط.

▍ هش کردن و بررسی صحت فایل

هش (Hash) یک اثر انگشت دیجیتال برای فایل است. با تغییر کوچک در فایل، هش آن کاملاً عوض می‌شود. برای بررسی صحت و یکپارچگی فایل‌ها از ابزارهای هش استفاده می‌شود.

• md5sum

┌──(ya3in㉿kali)-[~] └─$ md5sum file.txt d41d8cd98f00b204e9800998ecf8427e file.txt

هش MD5 فایل file.txt. اگر فایل تغییر کند، هش عوض می‌شود.

┌──(ya3in㉿kali)-[~] └─$ md5sum -c checksum.md5 file.txt: OK

بررسی صحت فایل با فایل هش ذخیره شده.

• سایر ابزارهای هش

فرمان	الگوریتم	کاربرد
`md5sum`	MD5	سریع، اما کمتر امن (برای بررسی صحت)
`sha1sum`	SHA-1	امن‌تر از MD5
`sha256sum`	SHA-256	امن‌ترین و رایج‌ترین
`sha512sum`	SHA-512	امن‌تر از SHA-256

⭐ کاربرد عملی هش:

وقتی یک فایل از اینترنت دانلود می‌کنید، سایت اصلی هش فایل را هم می‌دهد.
بعد از دانلود، با md5sum یا sha256sum هش را محاسبه کنید.
اگر هش محاسبه‌شده با هش سایت برابر بود، فایل صحیح است.

┌──(ya3in㉿kali)-[~] └─$ sha256sum ubuntu.iso e3b0c44298fc1c149afbf4c8996fb92427ae41e4649b934ca495991b7852b855 ubuntu.iso

محاسبه هش SHA-256 برای فایل ubuntu.iso.

• ترکیب هش با سایر ابزارها

می‌توانید خروجی هش را در یک فایل ذخیره کنید و بعداً بررسی کنید:

┌──(ya3in㉿kali)-[~] └─$ md5sum file.txt > file.md5 └─$ md5sum -c file.md5 file.txt: OK

اگر فایل تغییر کرده باشد، خروجی FAILED می‌شود.

▍ خلاصه دستورات

دستور	کاربرد
`wc`	تعداد خطوط، کلمات و کاراکترها
`wc -l`	فقط تعداد خطوط
`wc -w`	فقط تعداد کلمات
`cut -d: -f1`	استخراج فیلد اول با جداکننده `:`
`cut -c1-5`	استخراج کاراکترهای ۱ تا ۵
`md5sum`	محاسبه هش MD5
`sha256sum`	محاسبه هش SHA-256
`md5sum -c`	بررسی صحت فایل با هش ذخیره شده

                ✅ تمرین پیشنهادی:
                یک فایل متنی بسازید و با wc -l تعداد خطوط آن را ببینید.
یک فایل CSV (با جداکننده ,) بسازید و با cut ستون خاصی را استخراج کنید.
با md5sum هش یک فایل را محاسبه کنید و در فایل ذخیره کنید.
یک کاراکتر به فایل اضافه کنید و دوباره هش را محاسبه کنید. تفاوت را ببینید.

            