Объединить текстовые файлы в один

Инструмент склеивает много текстовых файлов в один общий файл. Выберите файлы или целую папку либо перетащите их в окно, нажмите «Объединить» и скачайте результат. Части идут друг за другом в порядке имён файлов, на стыках ничего не слипается и не теряется.

Подходят любые текстовые файлы: .txt, .csv, .md, .log и другие. Служебные файлы операционных систем (.DS_Store, Thumbs.db, desktop.ini, папка __MACOSX и файлы, начинающиеся с «._») отбрасываются сразу при выборе. Картинки, документы Word, архивы и файлы в UTF-32 в общий файл не попадают: они отмечены в отчёте после обработки.

Ограничения на число файлов нет: можно склеить и десяток страниц, и тысячи файлов из папки. Файлы обрабатываются по очереди, прогресс виден по ходу работы, а отменить её можно на середине.

Вся работа идёт в вашем браузере. Файлы никуда не отправляются, а исходные файлы на диске остаются как были: вы скачиваете новый общий файл.

Файлы встают в порядке имён, причём числа в имени сравниваются по значению: «стр2.txt» идёт раньше «стр10.txt», «глава 9» — раньше «глава 11». При обычном посимвольном сравнении после «стр1» сразу шла бы «стр10», и страницы в общем файле перемешались бы.

Сравнивается весь путь внутри выбранной папки, поэтому файлы из подпапок идут группами, в порядке имён подпапок. Буквы сравниваются по русскому алфавиту.

Порядок, в котором вы выбирали файлы, на результат не влияет. До запуска инструмент показывает первые и последние имена в очереди склейки, и по ним видно, что порядок верный. Чтобы поставить файл в другое место, переименуйте его: например, допишите номер в начало имени.

По умолчанию части идут подряд, без разделителя. Если файл не кончается переводом строки, инструмент дописывает его перед следующим файлом, причём того же вида, что в самом файле (CRLF или LF). Так последняя строка одного файла не слипается с первой строкой следующего. Последний файл остаётся как был: если перевода строки в его конце не было, не будет его и в конце общего файла.

Вариант «пустая строка» вставляет одну пустую строку между файлами. Так удобно склеивать главы, заметки и записи, которые в общем файле должны оставаться отдельными.

Вариант «имя файла отдельной строкой» пишет перед каждой частью отдельную строку с именем её файла. Если выбрана папка, её название в эту строку не попадает, а подпапки попадают, например «2024/март.txt». По таким строкам в общем файле видно, откуда взята каждая часть, и их легко найти поиском.

Пустые файлы в общий файл ничего не добавляют, и разделитель для них не пишется.

Страницы, скачанные с сайта, выгрузки из программ и отчёты часто начинаются одной и той же шапкой и заканчиваются одним и тем же подвалом. При простой склейке они окажутся в общем файле столько раз, сколько было файлов. В блоке «Перед склейкой убрать у каждого файла» их можно отрезать одним из трёх способов. По умолчанию ничего не отрезается.

По числу строк: у каждого файла уходят N первых и M последних строк. Подходит, когда шапка и подвал везде одной длины.

До и после строки-метки: уходит всё до первой строки, в которой встречается заданный текст, и всё начиная с последней строки с другим заданным текстом. Регистр букв не важен, саму строку с меткой можно удалить или оставить. Если в каком-то файле метка не нашлась, эта сторона файла не режется, а сам файл попадает в отчёт.

Одинаковые шапка и подвал у всех файлов: инструмент сам сравнивает файлы между собой. Шапкой считаются строки в начале, совпадающие у половины файлов и больше, подвалом — такие же строки в конце. Строки, которые различаются только цифрами (номер страницы, дата выгрузки), засчитываются, когда стоят внутри шапки или подвала рядом с точно совпадающими строками. Поэтому подвал со списком номеров страниц срезается целиком, даже если у разных файлов он разной длины.

Если каждый файл начинается строкой «Глава 1», «Глава 2» и так далее, эти строки остаются: строка, которая совпадает с другими только после замены цифр, сама по себе шапкой не считается. Шапка ищется среди первых 80 строк каждого файла, подвал — среди последних 80. Для сравнения нужно хотя бы два файла.

Срез идёт по байтам файла и не меняет ни кодировку, ни переводы строк в оставшейся части. Тот же срез без склейки, с выгрузкой архивом ZIP, есть в инструменте «Удалить первые и последние строки».

Чтобы объединить CSV-файлы с одинаковыми столбцами в одну таблицу, строка с названиями столбцов нужна только в начале. Для этого есть галочка «Заголовок CSV оставить только у первого файла».

Если перед склейкой ничего не отрезается, галочка убирает первую строку у всех файлов, кроме первого. Если выбран один из способов среза, галочка оставляет верх первого файла нетронутым, а у остальных файлов шапка срезается как обычно. В обоих случаях заголовок таблицы попадает в общий файл ровно один раз.

Первым считается первый по порядку файл, который оставляет в общем файле хоть что-то: если он пустой, заголовок сохранится у следующего. Если все файлы — .csv, общий файл тоже получит расширение .csv.

Разделители «пустая строка» и «имя файла отдельной строкой» для таблиц не подходят: они добавят в CSV лишние строки. И учтите, что значение в кавычках с переводом строки внутри для инструмента — несколько строк. Если такое значение стоит в заголовке, проверьте результат.

Кодировка каждого файла определяется отдельно: UTF-8 с меткой BOM или без неё, Windows-1251, UTF-16. Если у всех файлов она одна, общий файл получает её же, а содержимое частей переносится байт в байт. Файлы только из латиницы, цифр и знаков препинания подходят и к UTF-8, и к Windows-1251 и смены кодировки не вызывают.

Если кодировки разные, например старые файлы в Windows-1251, а новые в UTF-8, каждый файл читается в своей кодировке, а общий файл записывается в UTF-8 без BOM. Инструмент сообщает об этом отдельной строкой рядом с кнопкой скачивания и показывает, сколько файлов было в каждой кодировке, а у групп до трёх файлов — их имена. Простая склейка байтов в таком случае испортила бы часть текста: кириллица одной из кодировок превратилась бы в «кракозябры».

Метка BOM — невидимые байты в начале файла. При склейке командами cat или copy /b метка каждого следующего файла оказывается посреди текста невидимым символом U+FEFF. На экране его не видно, но строка с ним уже не равна такой же строке без него. Здесь метка остаётся только в начале общего файла, и только если она была у первого файла, а у остальных снимается. У файлов в UTF-16 метка тоже одна, в начале.

Две настройки меняют это поведение. «Кодировка результата: UTF-8» записывает общий файл в UTF-8 без BOM, в каких бы кодировках ни были части. «Переводы строк» по умолчанию оставлены как в файлах, а варианты «Windows (CRLF)» и «Unix (LF)» приводят все переводы строк во всех частях к одному виду. Это касается и одиночного CR, которым отделяли строки старые программы для Mac.

Для разовой склейки хватит и командной строки. Ниже команды и то, что они делают с порядком файлов, метками BOM и кодировкой.

Linux: cat *.txt > all.txt склеивает файлы байт в байт. Порядок задаёт подстановка *, а она сравнивает числа в именах не по значению, а цифра за цифрой: стр10.txt окажется раньше стр2.txt. Метка BOM каждого файла остаётся на месте, то есть посреди общего файла, а строка на стыке слипается, если файл не кончается переводом строки. Итоговый файл кладите в другую папку, чтобы при повторном запуске он сам не попал под маску *.txt.

macOS: в zsh, оболочке по умолчанию, числа по значению сравнивает квалификатор (n): команда cat *.txt(n) > all.txt ставит стр2.txt раньше стр10.txt. Метки BOM и стыки при этом остаются такими же, как у обычного cat. В bash такого квалификатора нет.

Windows, командная строка: copy /b *.txt all.txt склеивает файлы байт в байт, с теми же метками BOM посреди текста и слипшимися стыками. Числа в именах по значению не сравниваются.

PowerShell: Get-Content *.txt | Set-Content all.txt читает файлы как текст и записывает их заново в кодировке Set-Content по умолчанию. В Windows PowerShell 5.1 это системная кодовая страница, в PowerShell 7 — UTF-8 без BOM. Кроме того, Windows PowerShell 5.1 читает файлы UTF-8 без BOM как текст в системной кодировке, и кириллица из них превращается в «кракозябры». Указывайте -Encoding явно.

CSV с одним заголовком в Linux: awk 'FNR==1 && NR!=1 {next} {print}' *.csv > all.csv пропускает первую строку каждого файла, кроме первого. Порядок файлов тот же, что у cat: стр10.csv раньше стр2.csv.

Для сотен файлов в разных кодировках, с шапками и подвалами такие команды обрастают циклами и перекодированием. Здесь то же самое делается выбором папки и несколькими настройками.