autodl常用的tar 打包下载（数据集）命令手册：逐段拆解与套用模板

tar 打包下载命令手册：逐段拆解与套用模板

适用场景 ：在 AutoDL / Linux 服务器上把文件夹打包成单文件，以便下载到本地

为什么要打包 ：JupyterLab 等网页文件管理器不支持下载文件夹 ，只能下载单个文件

建立时间 ：2026-10-15

来源实例 ：autodl-container-38ef40b880-8646dcf9

一句话用途：记住一条命令模板，换文件夹名就能反复套用

---

目录

• [0. 一键套用模板](#0. 一键套用模板)
• [1. 原命令逐段拆解](#1. 原命令逐段拆解)
  • [1.1 七个片段的含义](#1.1 七个片段的含义)
  • [1.2 cf 两个字母的含义](#1.2 cf 两个字母的含义)
  • [1.3 为什么执行完没有任何输出](#1.3 为什么执行完没有任何输出)
• [2. 为什么要排除 git 目录](#2. 为什么要排除 git 目录)
  • [2.1 同一份数据在硬盘上存了两遍](#2.1 同一份数据在硬盘上存了两遍)
  • [2.2 体积对照](#2.2 体积对照)
  • [2.3 怎么验证自己有没有误打包](#2.3 怎么验证自己有没有误打包)
  • [2.4 什么情况下才该保留](#2.4 什么情况下才该保留)
• [3. 为什么一律不加 z 或 J](#3. 为什么一律不加 z 或 J)
• [4. 关于 cd 的两点澄清](#4. 关于 cd 的两点澄清)
  • [4.1 波浪号和斜杠的区别](#4.1 波浪号和斜杠的区别)
  • [4.2 结论：不能直接换](#4.2 结论：不能直接换)
  • [4.3 确实想用绝对路径怎么办](#4.3 确实想用绝对路径怎么办)
• [5. 通用套用模板](#5. 通用套用模板)
  • [5.1 模板 A：先切换目录再打包](#5.1 模板 A：先切换目录再打包)
  • [5.2 模板 B：用 C 参数不改当前目录](#5.2 模板 B：用 C 参数不改当前目录)
  • [5.3 只打包某个子目录](#5.3 只打包某个子目录)
• [6. 常见报错排查表](#6. 常见报错排查表)
• [7. 打包后的验收清单](#7. 打包后的验收清单)
• [8. 下载中断时的分卷方案](#8. 下载中断时的分卷方案)
• [9. tar 常用参数速查](#9. tar 常用参数速查)
• [10. 速记卡](#10. 速记卡)

---

0. 一键套用模板

最常用形式，只需改动三处：

cd <文件夹所在的目录> && tar --exclude='.git' -cf <输出名>.tar <要打包的文件夹名>

实例演进：

想打包什么	命令
NTURain 训练集仓库（本次案例）	cd ~ && tar --exclude='.git' -cf SPAC-SupplementaryMaterials.tar SPAC-SupplementaryMaterials
RainMamba 代码目录	cd ~ && tar --exclude='.git' -cf RainMamba.tar RainMamba
autodl-tmp 下的数据集	cd /root/autodl-tmp && tar -cf mydata.tar mydata
纯数据目录（无 git）	cd ~/data && tar -cf dataset_v2.tar dataset_v2

记忆口诀：

cd 到父目录  →  tar -cf 输出名.tar 文件夹名  →  有 git 就加 --exclude='.git'

通用写法（连 cd 都省掉）：

tar --exclude-vcs -cf <输出名>.tar -C <父目录> <文件夹名>

--exclude-vcs 会自动排除 .git / .svn / .hg 等所有版本控制目录，比手写 --exclude='.git' 更省心。

---

1. 原命令逐段拆解

完整命令：

cd ~ && tar --exclude='.git' -cf SPAC-SupplementaryMaterials.tar SPAC-SupplementaryMaterials

1.1 七个片段的含义

#	片段	含义
1	cd ~	切换到当前用户家目录 。root 用户 → /root。这一句必需，因为后面两个路径都写成了相对形式
2	&&	逻辑与：前一条命令成功（退出码 0）才执行后一条。若 cd 失败，tar 不会在错误目录里乱跑
3	tar	归档工具（tape archive），把多个文件/目录合并成单个文件
4	--exclude='.git'	排除名为 .git 的目录。这是 glob 模式 ，不含 / 时会匹配任意层级 中叫 .git 的条目。单引号是 shell 强引用，防止特殊字符被提前展开（此处无特殊字符，加引号属规范习惯）
5	-cf	两个选项合并写：-c = create（创建归档）+ -f = file（用文件而非标准输出，必须紧跟归档名）
6	SPAC-SupplementaryMaterials.tar	输出归档文件名（-f 的实参）
7	SPAC-SupplementaryMaterials	要打包的源目录 （相对当前目录 ~）

执行后的结果位置：

/root/SPAC-SupplementaryMaterials.tar          ← 归档文件本体（604 MB）
    └── SPAC-SupplementaryMaterials/           ← 归档内的路径前缀
            └── Dataset_Training_Synthetic/    ← 33 个 rar
                    ├── t1_Rain_01.rar
                    └── ... ×33

包内保留了目录前缀（因为源参数写的是相对目录名）。本地解开后得到完整目录结构，不会散落一地文件。

1.2 cf 两个字母的含义

tar -c -f SPAC-SupplementaryMaterials.tar SPAC-SupplementaryMaterials
#   ↑  ↑  ↑
#   │  │  └── 归档文件名（-f 的实参，必须紧贴其后，中间不能插别的选项）
#   │  └───── 写入文件而非标准输出
#   └──────── 创建新归档（create）

常见误写：

错误写法	问题
tar -c SPAC-SupplementaryMaterials.tar dir/	缺 -f，tar 会把归档内容喷到终端屏幕上（二进制乱码刷屏）
tar -cf dir/ SPAC-SupplementaryMaterials.tar	参数顺序颠倒：-f 后面跟的必须是输出名，不是源目录
tar cf ...	老式写法（不带 -），能跑但可读性差，建议统一用 -cf

1.3 为什么执行完没有任何输出

因为没有加 -v （verbose）。tar 在静默模式下成功时不打印任何内容------这符合 Unix 哲学："无消息即成功"（No news is good news）。

# 想看到打包了哪些文件，加 -v：
tar -cvf SPAC-SupplementaryMaterials.tar SPAC-SupplementaryMaterials

判断成功的正确方式是看退出码，而不是看有没有输出：

cd ~ && tar --exclude='.git' -cf SPAC-SupplementaryMaterials.tar SPAC-SupplementaryMaterials && echo "打包成功"

---

2. 为什么要排除 git 目录

2.1 同一份数据在硬盘上存了两遍

Git 的工作方式和普通文件夹不一样。以本次的稀疏检出目录为例：

/root/SPAC-SupplementaryMaterials/
├── Dataset_Training_Synthetic/     ← 工作区：604 MB（checkout 出来的 33 个 rar）
│   ├── t1_Rain_01.rar
│   └── ... ×33
└── .git/
    └── objects/pack/*.pack         ← 对象库：~603 MB（同样这 33 个 rar 的另一种存放形式）

关键在于 --filter=blob:none 这个参数的作用是"延迟下载"，不是"不下载"：

1. clone 时：只拉 8 个对象（目录树信息），文件内容一律不拿
2. 执行 git checkout 时：git 才把那 603.15 MiB 的内容拉下来
3. 拉下来的内容先存进 .git/objects/pack/（就是传输日志里那个 603.15 MiB）
4. 然后从对象库再写出一份 到工作区的 Dataset_Training_Synthetic/

→ 同一批 rar，在磁盘上占了两份。

打比方 ：.git 是书店的仓库 ，工作区是书架 。你要寄给朋友的是书架上的书，但不排除 .git 就等于把仓库连同书架一起装箱------同一批书装两遍。

2.2 体积对照

写法	tar 体积	下载风险
tar --exclude='.git' -cf ... ✅	604 MB	低
tar -cf ...（不排除） ❌	~1.2 GB	高------下载量翻倍，中途断线概率也翻倍

单个 1.2 GB 文件走网页下载，基本必然要重来一两次。

2.3 怎么验证自己有没有误打包

先看源目录的体积构成：

du -h --max-depth=1 ~/SPAC-SupplementaryMaterials | sort -h

输出示例：

604M    /root/SPAC-SupplementaryMaterials/Dataset_Training_Synthetic
605M    /root/SPAC-SupplementaryMaterials/.git
1.2G    /root/SPAC-SupplementaryMaterials

最后一行是总数，前两行各占一半。⚠️ du 的父目录会包含子目录，所以单看总数会误以为"数据有 1.2 GB"，其实真正需要的只有 604 MB。

再看归档本身：

ls -l ~/SPAC-SupplementaryMaterials.tar
tar -tf ~/SPAC-SupplementaryMaterials.tar | wc -l

观察项	干净（已排除 .git）	误含 .git
ls -l 字节数	≈ 604 MB	≈ 1.2 GB
`tar -tf	wc -l`	约 36 行

⚠️ 一个反直觉的坑

tar -tf xxx.tar | grep -c '\.rar$' 这个计数无法用来判断是否误含 .git。

原因：.git 里的文件叫 xxxx.pack、xxxx.idx，压根不含 .rar 字样------两种情况数出来都是 33 。要判断必须看 ls -l 的字节数或 tar -tf | wc -l 的行数。

2.4 什么情况下才该保留

只有一种 ：你要在这台机器上继续做 git 操作 ------比如再 checkout 仓库里的其他目录（测试集、代码），或者 git pull 更新。

如果目标只是把数据带回本地，本地不需要这些 git 元数据（本地有 WinRAR 就够了）。排除还有两个附带好处：

1. 包里不会夹带服务器路径、git 历史、远端地址等与研究无关的信息，交付他人时更干净
2. 下载量减半

---

3. 为什么一律不加 z 或 J

写法	作用	本场景结果
tar -cf	把文件夹变成单个文件	体积不变（604 MB → 604 MB）
tar -czf	打包 + gzip 压缩	收益 ≈ 0，白烧 CPU
tar -cJf	打包 + xz 压缩	更慢，收益依旧极小

原因：包内是已经压过的 rar（内含 jpg 图片），这些格式的熵值已接近极限，二次压缩只能再压掉约 0.5%，却要付出几十分钟 CPU 时间。

必须区分两件事：

	解决的问题
tar（不加 z）	文件夹 → 单文件（这才是 AutoDL 下载限制的根源）
-z / -J	体积太大 → 体积变小（本场景不需要）

JupyterLab 限制的是不能下载文件夹 ，不是"只能下载压缩包"。所以 tar -cf 完全够用。看到有人写 tar -czf 打 rar 包，那是无意义的。

特例：如果打包的是大量小文本文件 （如几千个 .py / .txt / .json），那 -z 是真有用的，能压到 1/5 甚至更低。判断标准是内容是否已被压缩。

---

4. 关于 cd 的两点澄清

4.1 波浪号和斜杠的区别

写法	展开为	含义
~	/root（root 用户）	家目录（home directory）
$HOME	/root	与 ~ 完全等价
/	/	文件系统根目录（最顶层）
.	当前所在目录	---
..	上一级目录	---

术语澄清 ：中文日常口语常把"根目录"用来指家目录（~），但在 Linux 语境里 / 才是根目录，~ 叫家目录。两者是不同层级：

/                          ← 根目录（cd / 到这里）
├── bin/  etc/  home/  tmp/  usr/  var/  ...
└── root/                  ← root 用户的家目录（cd ~ 到这里）
    ├── SPAC-SupplementaryMaterials/     ← 本次打包的目录在这里
    └── autodl-tmp/

4.2 结论：不能直接换

cd ~ 换成 cd / 会失败：

cd / && tar --exclude='.git' -cf SPAC-SupplementaryMaterials.tar SPAC-SupplementaryMaterials
# tar: SPAC-SupplementaryMaterials: Cannot stat: No such file or directory

原因：SPAC-SupplementaryMaterials 在 /root/ 下，不在 / 下。cd / 之后 tar 在当前目录（/）里找不到这个相对路径。

反证 ：本次命令是从 / 提示符出发的------

root@...:/#  cd ~ && tar --exclude='.git' -cf ...
root@...:~#          ← 提示符变成 ~，说明 cd 确实切到了 /root 并成功找到目录

如果目录真在 / 下，cd ~ 反而会失败。

验证方法：

ls -d /root/SPAC-SupplementaryMaterials     # 存在 ✅
ls -d /SPAC-SupplementaryMaterials          # 不存在 ❌

4.3 确实想用绝对路径怎么办

有两种写法，效果不同：

写法一：源也用绝对路径

cd / && tar --exclude='.git' -cf /root/SPAC-SupplementaryMaterials.tar /root/SPAC-SupplementaryMaterials

能跑，但 GNU tar 会打印警告：

tar: Removing leading `/' from member names

因为 Tar 格式不存储绝对路径 （避免解压时覆盖系统文件）。结果是包内路径变成 root/SPAC-SupplementaryMaterials/...，本地解开后多出一层 root/ 目录，不够干净。

写法二：用 -C 参数（推荐）

tar --exclude='.git' -cf ~/SPAC-SupplementaryMaterials.tar -C ~ SPAC-SupplementaryMaterials

-C ~ 让 tar 在读取文件之前 切换到 ~，效果等同于 cd ~，但归档内的路径仍然是干净的相对路径。这是脚本里最推荐的写法------不改变当前所在目录。

---

5. 通用套用模板

5.1 模板 A：先切换目录再打包

适合交互式终端使用（最直观）：

cd <文件夹所在目录> && tar --exclude='.git' -cf <输出名>.tar <文件夹名>

要点：

• cd 的目标是父目录，不是文件夹本身
• 最后两个参数都是相对于 cd 之后目录的路径
• 输出名建议写简单点，不要带 /，否则会跑到别处

# 正例
cd ~ && tar --exclude='.git' -cf RainMamba.tar RainMamba

# 反例：cd 进了文件夹本身，然后又找同名子目录 → 必然失败
cd ~/RainMamba && tar -cf RainMamba.tar RainMamba

5.2 模板 B：用 C 参数不改当前目录

适合写进脚本 / 连续打包多个目录：

tar --exclude-vcs -cf <输出名>.tar -C <父目录> <文件夹名>

实例------一次打包三个目录：

tar --exclude-vcs -cf /root/backup_1.tar -C /root RainMamba
tar --exclude-vcs -cf /root/backup_2.tar -C /root DRSformer
tar --exclude-vcs -cf /root/backup_3.tar -C /root/autodl-tmp mydata

注意 -C 的相对路径陷阱 ：多个 -C 会累积（第二次 -C 是相对第一次的结果）。安全做法是每个 -C 都用绝对路径。

5.3 只打包某个子目录

场景 ：只想把 Dataset_Training_Synthetic 带走，不要外层仓库结构。

tar -cf ~/NTURain_train.tar -C ~/SPAC-SupplementaryMaterials Dataset_Training_Synthetic

解读 ：-C ~/SPAC-SupplementaryMaterials 先切进仓库目录，然后打包其下的 Dataset_Training_Synthetic。得到 604 MB 的包，解开后直接就是 Dataset_Training_Synthetic/，少一层嵌套。

---

6. 常见报错排查表

报错 / 现象	原因	解决
Cannot stat: No such file or directory	源目录路径不对（相对路径基于错误的当前目录）	pwd + ls 确认位置；或用绝对路径 + -C
Removing leading '/' from member names	用绝对路径作源参数	无害，但包内会多出 root/ 层级；改用 -C 更干净
Cowardly refusing to create an empty archive	源写成了不存在或空的路径	检查拼写；确认目录非空
终端刷出大量二进制乱码	忘了 -f，归档内容输出到了屏幕	加 -f 输出名
打完包提示符没变、命令像没反应	tar 静默模式正常行为	加 && echo OK 确认，或查退出码 echo $?
归档体积是预期的两倍	没排除 .git	加 --exclude='.git' 或 --exclude-vcs
打包耗时极长、CPU 飙高	误加了 z / J	去掉压缩选项
解开后多一层同名目录	源参数写的是目录名本身（正常）	若想少一层，用 -C <父目录> <子目录>
归档里出现了 ./ 开头的路径	用了 tar -cf x.tar .	改用明确的目录名

---

7. 打包后的验收清单

打包完成后（服务器端）：

ls -lh ~/SPAC-SupplementaryMaterials.tar
tar -tf ~/SPAC-SupplementaryMaterials.tar | head -5
tar -tf ~/SPAC-SupplementaryMaterials.tar | grep -c '\.rar$'

检查项	期望值
ls -lh 体积	≈ 604 MB（若 1.2 GB 说明含了 .git）
`tar -tf	head -5`
grep -c '\.rar$'	33（本次数据集的 rar 总数）

记录字节数，供下载后比对：

ls -l ~/SPAC-SupplementaryMaterials.tar | awk '{print $5}'

→ 把这个数字抄下来。

下载完成后（本地端）：

ls -l SPAC-SupplementaryMaterials.tar

→ 字节数与服务器端完全一致才算下载成功。

⚠️ 这是本手册最重要的一条 ：不要靠"能打开"判断完整性。历史教训是一次下载的文件恰好截断在整数 MiB 边界上（340,787,200 字节 = 恰好 325 MiB），看起来大小"正常"，实际已损坏，WinRAR 报"不可预料的压缩文件末端"。必须对数字。

可选：用 MD5 做终极校验

# 服务器端
md5sum ~/SPAC-SupplementaryMaterials.tar

# 本地端（Git Bash）
md5sum SPAC-SupplementaryMaterials.tar

# 本地端（PowerShell，输出大写，内容相同）
Get-FileHash -Algorithm MD5 ".\SPAC-SupplementaryMaterials.tar"

---

8. 下载中断时的分卷方案

症状：单文件走网页下载反复中断，或下完发现大小对不上。

对策：切分成多个小卷，只重下失败的那一卷。

第一步：算清楚要切几卷

604 MB = 575.5 MiB
200 MiB × 3 = 600 MiB  >  575.5 MiB
→ 分 3 卷：part00(200M) + part01(200M) + part02(175.5M)

第二步：切分

cd ~ && split -b 200M -d -a 2 SPAC-SupplementaryMaterials.tar SPAC-SupplementaryMaterials.tar.part
ls -lh ~/SPAC-SupplementaryMaterials.tar.part*

-b 200M 每卷 200 MiB ｜ -d 用数字后缀 ｜ -a 2 后缀两位数（00/01/02）

第三步：逐卷下载（网页下载 3 个文件，比下 1 个大文件稳）

第四步：本地合并

# Git Bash
cd "本地下载目录"
cat SPAC-SupplementaryMaterials.tar.part00 SPAC-SupplementaryMaterials.tar.part01 SPAC-SupplementaryMaterials.tar.part02 > SPAC-SupplementaryMaterials.tar

⚠️ 必须按 part00 → part01 → part02 顺序写 ，不要图省事写 cat *.part*（某些排序下会错乱）。

# 或 Windows CMD
copy /b part00+part01+part02 SPAC-SupplementaryMaterials.tar

第五步：校验

md5sum SPAC-SupplementaryMaterials.tar     # 与服务器端 md5sum 对拍
tar -tf SPAC-SupplementaryMaterials.tar | grep -c '\.rar$'    # 应为 33

分卷方案的核心价值 ：某一卷下载失败时只需重下该卷（200 MB），不必整体重来（604 MB）。

---

9. tar 常用参数速查

参数	全称	含义
-c	create	创建新归档
-f	file	指定归档文件名（必须紧跟文件名）
-v	verbose	打印处理的文件列表
-t	list	列出归档内容（不解开）
-x	extract	展开归档
-C	directory	切换目录（读取前 / 写出前）
--exclude=	---	排除匹配的条目（glob 模式）
--exclude-vcs	---	自动排除 .git / .svn / .hg / .bzr 等版本控制目录 ✅ 推荐
-p	preserve	保留权限信息
-z	gzip	gzip 压缩 ⚠️ 本场景不用
-J	xz	xz 压缩 ⚠️ 本场景不用
-r	append	向已有归档追加文件
-u	update	只追加比归档中更新的文件

必记的三组：

tar -cf out.tar dir/        # 打包（最常用）
tar -tf out.tar             # 查看内容（不展开）
tar -xf out.tar             # 展开

---

10. 速记卡

日常场景 → 直接抄

# ① 打包某个文件夹（排除 git，最常用）
cd ~ && tar --exclude='.git' -cf 输出名.tar 文件夹名

# ② 打包但不改变当前目录（脚本友好）
tar --exclude-vcs -cf ~/输出名.tar -C ~ 文件夹名

# ③ 只打包仓库里的某个子目录
tar -cf ~/输出名.tar -C ~/仓库名 子目录名

# ④ 查看包内容 / 体积 / 文件数
tar -tf ~/输出名.tar | head -5
ls -lh ~/输出名.tar
tar -tf ~/输出名.tar | wc -l

# ⑤ 下载前先记字节数（供本地比对）
ls -l ~/输出名.tar | awk '{print $5}'

# ⑥ 下载中断就分卷
split -b 200M -d -a 2 ~/输出名.tar ~/输出名.tar.part

四条铁律

1. cd 到父目录，不是文件夹本身
2. 有 .git 就加 --exclude='.git'（否则体积翻倍）
3. 永远不加 z（rar/jpg 已压缩，白烧 CPU）
4. 下载后对字节数，不要靠"能打开"

three 个最容易混淆的路径

写法	实际位置
~	/root（家目录）
/	文件系统最顶层（不是你的文件所在处）
.	当前目录

---

文档结束 · 2026-10-15