从说话人识别demo开始学习kaldi--（2）download_and_untar.sh

#!/bin/bash

# Copyright   2014  Johns Hopkins University (author: Daniel Povey)
#             2017  Xingyu Na
# Apache 2.0

remove_archive=false
# 变量赋值

if [ "$1" == --remove-archive ]; then
  remove_archive=true
  shift
fi
.<<EOF

如果给的第一个参数是--remove-archive，就把变量remove_archive设置为true，
表示解压后要移除原来的压缩包，只保留解压后的文件。
shift表示后面程序从第二个开始读入参数。并从1开始计数。
EOF



if [ $# -ne 3 ]; then
  echo "Usage: $0 [--remove-archive] <data-base> <url-base> <corpus-part>"
  echo "e.g.: $0 /export/a05/xna/data www.openslr.org/resources/33 data_aishell"
  echo "With --remove-archive it will remove the archive after successfully un-tarring it."
  echo "<corpus-part> can be one of: data_aishell, resource."
fi
.<<EOF
https://www.runoob.com/linux/linux-shell-passing-arguments.html
在执行 Shell 脚本时，向脚本传递参数，脚本内获取参数的格式为：$n。
n 代表一个数字，1 为执行脚本的第一个参数，2 为执行脚本的第二个参数，
以此类推……其中 $0 为执行的文件名。
如果给的给的所有参数个数不是3个，就在屏幕上打印出下面的话。
EOF

data=$1
url=$2
part=$3
.<<EOF
上面已经保证了输入是三个参数，这里用三个变量来分别接收三个参数
EOF


if [ ! -d "$data" ]; then
  echo "$0: no such directory $data"
  exit 1;
fi
.<<EOF

https://www.runoob.com/linux/linux-shell-basic-operators.html
$data 应该是个目录
-d "$data" 判断它到底是不是个目录，不是则返回false
！false 就是true
if true，然后报错并退出

EOF


part_ok=false
list="data_aishell resource"
# 变量赋值

for x in $list; do
  if [ "$part" == $x ]; then part_ok=true; fi
done
.<<EOF
$part是第三个参数，如果它是list中的任意一个，就设置part_ok=true
EOF


if ! $part_ok; then
  echo "$0: expected <corpus-part> to be one of $list, but got '$part'"
  exit 1;
fi
.<<EOF
如果part_ok=false，报错并退出
EOF


if [ -z "$url" ]; then
  echo "$0: empty URL base."
  exit 1;
fi
.<<EOF
https://www.cnblogs.com/liupuLearning/p/6206415.html
如果字符串$url的长度为0则 -z "$url" 返回true，then 报错并退出
EOF

if [ -f $data/$part/.complete ]; then
  echo "$0: data part $part was already successfully extracted, nothing to do."
  exit 0;
fi
.<<EOF
-f 用来检测文件是否是普通文件（既不是目录，也不是设备文件），如果是，则返回 true。
如果那个文件有的话，就说明已经extracted解压成功了，什么也不用做
EOF



# sizes of the archive files in bytes.
sizes="15582913665 1246920"
.<<EOF
这里用的是aishell 1 的数据，应该是用来检查数据是否完整
data里面应该是有两个文件的，一个是data_aishell.tgz，大小为15582913665
一个是resource.tgz，大小是1246920
但我下载的数据第一个对，第二个文件的名字不对，大小也不对，后面看看是不是要手动改一下

EOF



if [ -f $data/$part.tgz ]; then
  size=$(/bin/ls -l $data/$part.tgz | awk '{print $5}')
  size_ok=false
  for s in $sizes; do if [ $s == $size ]; then size_ok=true; fi; done
  if ! $size_ok; then
    echo "$0: removing existing file $data/$part.tgz because its size in bytes $size"
    echo "does not equal the size of one of the archives."
    rm $data/$part.gz
  else
    echo "$data/$part.tgz exists and appears to be complete."
  fi
fi
.<<EOF
-f 检测文件是否是普通文件（既不是目录，也不是设备文件），如果是，则返回 true。

size=$(/bin/ls -l $data/$part.tgz | awk '{print $5}')
这句话是说用ls -l命令来显示后面文件的信息，并且打印第5个参数，也就是文件size大小。
这里也就能解释run.sh中为什么要执行两遍download_and_untar.sh文件，因为有俩文件啊。
awk是什么意思呢：https://www.cnblogs.com/virgosnail/p/11103651.html，
AWK是一种处理文本文件的语言，是一个强大的文本分析工具。awk是以文件的一行为处理单位的。
awk每接收文件的一行，然后执行相应的命令，来处理文本。默认使用空格作为分隔符。

竖线又是什么意思呢？https://blog.csdn.net/qq_26711103/article/details/81666460，
竖线‘|’ ，在linux中是作为管道符的，将‘|’前面命令的输出作为'|'后面的输入。
双竖线‘||’，用双竖线‘||’分割的多条命令，执行的时候遵循如下规则，如果前一条命令为真，
则后面的命令不会执行，如果前一条命令为假，则继续执行后面的命令。
&同时执行多条命令，不管命令是否执行成功。
&& 可同时执行多条命令，当碰到执行错误的命令时，将不再执行后面的命令。如果一直没有错误的，则执行完毕。

size_ok=false
for s in $sizes; do if [ $s == $size ]; then size_ok=true; fi; done
这句话是说如果文件大小相等的话，就设置变量size_ok=true

下面的if-else是说，如果文件大小不等的话，就先报错再删除现在检验的这个tgz文件

EOF



if [ ! -f $data/$part.tgz ]; then
  if ! which wget >/dev/null; then
    echo "$0: wget is not installed."
    exit 1;
  fi
  full_url=$url/$part.tgz
  echo "$0: downloading data from $full_url.  This may take some time, please be patient."

  cd $data
  if ! wget --no-check-certificate $full_url; then
    echo "$0: error executing wget $full_url"
    exit 1;
  fi
fi
.<<EOF
-f 检测文件是否是普通文件（既不是目录，也不是设备文件），如果是，则返回 true。
这个if的意思就是如果没有文件，就开始从url中下载文件了

EOF


cd $data
# 上面所有检验，保证已经有data的压缩包了，现在转到$data目录下

if ! tar -xvzf $part.tgz; then
  echo "$0: error un-tarring archive $data/$part.tgz"
  exit 1;
fi
# 这个if是说如果在解压过程中出错，报错并退出

touch $data/$part/.complete
.<<EOF
touch命令用于修改文件或者目录的时间属性，包括存取时间和更改时间。若文件不存在，系统会建立一个新的文件。
ls -l 可以显示档案的时间记录。

一般用touch来新建一个空的文件。上面有判断，如果有这个文件，则表示已经解压完成。

EOF



if [ $part == "data_aishell" ]; then
  cd $data/$part/wav
  for wav in ./*.tar.gz; do
    echo "Extracting wav from $wav"
    tar -zxf $wav && rm $wav
  done
fi
.<<EOF
这个if的意思是，如果执行的是data_aishell，它下面有个文件夹叫wav，里面文件也都是压缩包的形式，都要一一解压
压缩包中有多个压缩包
EOF


echo "$0: Successfully downloaded and un-tarred $data/$part.tgz"
.<<EOF
到这里所有的解压工作结束。
EOF


if $remove_archive; then
  echo "$0: removing $data/$part.tgz file since --remove-archive option was supplied."
  rm $data/$part.tgz
fi
.<<EOF
如果第一个参数是--remove-archive的话，就把原始的压缩包删除，exit0，正常退出。
EOF


exit 0;