1. 这是两个什么东西
- fortune（包名
fortune-mod）：一条随机打印“格言 / 签语”的命令。名字来自西方谚语 Fortune cookie（幸运饼干），掰开就是一句签文。它是个上古 Unix 工具，Ken Arnold 在 1979 年写的，至今还活在几乎每个发行版里。 - fortunes-zh：中文词库包，附带一个
fortune-zh包装脚本。内容包含唐诗三百首、宋词一百首、成语、谚语、警句，甚至 Debian 社区礼仪、Docker 手册摘录等，默认配色输出。
一句话：fortune 是“抽签机器”，fortunes-zh 是“中文签文库”，两者一拼，终端就变成了一个会念诗的文化人。
2. 安装
Debian 系（Kali / Ubuntu）一行装完：
$ sudo apt install fortune-mod fortunes-zh装完先别急着用 —— 会踩一个经典坑：二进制不在默认 PATH 里。
$ which fortune
fortune not foundDebian 把游戏类程序统一放在 /usr/games/，而这个目录往往不在普通用户的 PATH 里。看一下包归属：
$ dpkg -S /usr/games/fortune /usr/games/fortune-zh /usr/bin/strfile
fortune-mod: /usr/games/fortune
fortunes-zh: /usr/games/fortune-zh
fortune-mod: /usr/bin/strfile所以要么写全路径，要么把目录加进 PATH（写入 ~/.zshrc / ~/.bashrc）：
$ export PATH="$PATH:/usr/games"顺带一提，strfile 是生成索引的工具，它乖乖待在 /usr/bin，后面第 6 节会用到。
3. 第一炮
验证版本（注意老工具不认 --version 这种 GNU 风格长选项，但会顺口把版本号吐出来）：
$ fortune -h 2>&1 | head -1
fortune-mod version 9708
fortune [-afilosw] [-m pattern] [-n number] [ [#%] file/directory/all]直接抽签：
$ /usr/games/fortune
佳节清明桃李笑，野田荒冢只生愁。
-- 黄庭坚《清明》这是英文版工具的默认输出吗？不是。fortune 没带参数时扫的是默认数据目录 /usr/share/games/fortunes/，而里面装的全是中文词库，所以抽出来自然全是中文。
用官方包装脚本 fortune-zh，输出更讲究（作者一行用黄色、书名用绿色）：
$ /usr/games/fortune-zh
花褪残红青杏小。燕子飞时，绿水人家绕。枝上柳绵吹又少，天涯何处无芳草！
墙里秋千墙外道。墙外行人，墙里佳人笑。笑渐不闻声渐悄，多情却被无情恼。
-- 苏轼《蝶恋花》4. 常用选项
fortune 的选项不多，个个有用：
| 选项 | 含义 |
|---|---|
-s / -l |
只要短句 / 只要长句 |
-n N |
定义“短句”的字符数阈值，默认 160 |
-e |
所有词库等概率 |
-c |
顺便打印词条来自哪个文件 |
-f |
只列出会扫描的词库清单，不输出签文 |
-m 正则 |
在词库里搜索所有匹配的正则，输出到 stdout |
-i |
配合 -m 忽略大小写 |
-w |
读完按字数等一会儿再退出（用于登出提示） |
实测几个：
$ fortune -s # 只要短句（阈值 160 字符）
$ fortune -l # 只要长句
$ fortune -n 30 -s # 阈值收到 30，短句更短
Orz-e 等概率模式下，抽到的可能是任何词库，包括唐诗：
$ fortune -e
《奉和圣制从蓬莱向兴庆阁道中留春雨中春望之作应制》
作者：王维
渭水自萦秦塞曲，黄山旧绕汉宫斜。
銮舆迥出千门柳，阁道回看上苑花。
云里帝城双凤阙，雨中春树万人家。-c 显示来源：
$ fortune -c
(tang300)
%
《秋日赴阙题潼关驿楼》
作者：许浑
红叶晚萧萧，长亭酒一瓢。-f 列出词库清单（先记住这张表，第 8 节要回来对账）：
$ fortune -f
100.00% /usr/share/games/fortunes
92.79% chinese
1.69% song100
5.52% tang300-m 是全库正则搜索，输出到 stdout，词条带 % 分隔符 —— 也就是说重定向出去就是一份合法的 fortune 词库文件：
$ fortune -m 明月 tang300
(/usr/share/games/fortunes/tang300)
%
《月下独酌》
作者：李白
花间一壶酒，独酌无相亲。
举杯邀明月，对影成三人。
%
《关山月》
作者：李白
明月出天山，苍茫云海间。小贴士：
-m把文件名打到 stderr，签文打到 stdout。想要纯净版词库，只重定向 stdout 即可。
5. 词库长什么样（底层 · 一）
数据全部躺在 /usr/share/games/fortunes/：
$ ls -la /usr/share/games/fortunes/
.rw-r--r-- 2.1M root 6 Nov 2024 chinese
.rw-r--r-- 21k root 6 Nov 2024 chinese.dat
lrwxrwxrwx - root 6 Nov 2024 chinese.u8 -> chinese
.rw-r--r-- 29k root 6 Nov 2024 song100
.rw-r--r-- 412 root 6 Nov 2024 song100.dat
lrwxrwxrwx - root 6 Nov 2024 song100.u8 -> song100
.rw-r--r-- 89k root 6 Nov 2024 tang300
.rw-r--r-- 1.3k root 6 Nov 2024 tang300.dat
lrwxrwxrwx - root 6 Nov 2024 tang300.u8 -> tang300每个词库三个文件：
- 数据文件（
chinese、tang300、song100）：纯文本，就是签文本体。 - 索引文件（
.dat）：strfile生成的偏移表，让fortune能“随机直达”任意一条，下一节细讲。 .u8符号链接：Debian 惯例，指向同名数据文件，标记“这份文件已经是 UTF-8”。对应fortune -u选项（“不要把 UTF-8 词条转换成 locale”），这样程序就知道不需要再对内容做编码转换。
打开数据文件看格式。每条签文用独占一行的 % 分隔：
$ xxd /usr/share/games/fortunes/chinese | head -6
00000000: e8a6 81e6 9c89 e7a4 bce8 b28c 0a0a e59c 要有礼貌\n\n在
00000010: a820 4465 6269 616e 20e8 bf99 e7a7 8de8 在 Debian 这...
00000020: a784 e6a8 a1e7 9a84 e9a1 b9e7 9bae e4b8 样的项目...
...
00000150: 6d0a 250a e596 84e6 848f e68e a8e5 ae9a m\n%\n善义推...注意 250a 就是 %\n，它是条与条之间的“封口”。另外还能看到签文里嵌着 ANSI 转义序列——颜色不是程序在输出时加的，而是直接写在数据文件文本里的：
$ xxd /usr/share/games/fortunes/chinese
00000110: e59b b4e3 8082 0a0a 1b5b 3333 6d20 2020 围。\n\n\x1b[33m
00000120: 202d 2d20 4465 6269 616e 201b 5b33 326d -- Debian .[32m\x1b[33m（黄色）打在作者名前、\x1b[32m（绿色）打在书名前、\x1b[m 复位——所以那份黄绿配色是“印”在词库文本里的，不是 fortune 程序渲染的。
三个词库的规模（用 Python 解析 .dat 头部得到，见下节）：
| 词库 | 条目数 | 最长条目(字节) |
|---|---|---|
| chinese | 5262 | 26553 |
| tang300 | 313 | 2991 |
| song100 | 96 | 910 |
6. .dat 索引：随机访问的关键（底层 · 二）
大文件有 2 万多条签文，fortune 不能每次从头读到尾——那样“随机”太慢。办法是维护一张偏移表：每条签文的起始字节位置。这就是 .dat 文件。
.dat 的二进制格式很古老：24 字节大端头 + 一串 4 字节偏移量。用 Python 精确解析：
$ python3 -c "
import struct
d = open('/usr/share/games/fortunes/chinese.dat','rb').read()
ver, nums, longest, shortest, flags = struct.unpack_from('>IIIII', d, 0)
offs = struct.unpack_from('>%dI' % ((len(d)-24)//4), d, 24)
print('version =', ver)
print('numstr =', nums, '（条目数）')
print('longest =', longest, ' shortest =', shortest)
print('delim =', repr(chr(d[20])))
print('offset 数量 =', len(offs), '= numstr + 1')
print('前 8 个偏移 =', offs[:8])
print('最后一个偏移 =', offs[-1])
"
version = 2
numstr = 5262 （条目数）
longest = 26553 shortest = 4
delim = '%'
offset 数量 = 5263 = numstr + 1
前 8 个偏移 = (0, 356, 736, 1236, 1808, 2339, 3365, 4636)
最后一个偏移 = 2115534结构一目了然：
┌─────────────────────────────────────────┐
│ 24 字节头部（大端序） │
│ version : uint32 = 2 │
│ numstr : uint32 = 5262 条目数 │
│ longest : uint32 = 26553 最长条目 │
│ shortest : uint32 = 4 最短条目 │
│ flags : uint32 = 0 │
│ delim : 1 字节 = '%' │
│ delimlen : uint16 = 0 │
│ 1 字节填充 │
├─────────────────────────────────────────┤
│ 偏移数组 off[0]..off[numstr] │
│ 每条 uint32（大端），共 numstr+1 个 │
│ off[i] = 第 i 条签文的起始字节位置 │
│ off[numstr] = 文件总大小（哨兵） │
└─────────────────────────────────────────┘所以 fortune 抽一条的逻辑就三步：
- 随机取
i ∈ [0, numstr)； - 打开数据文件，
lseek到off[i]，读off[i+1] - off[i]个字节； - 去掉末尾的
%\n，打印。
看一眼最直观的证据——用一个小到能一眼看穿的词库：
$ cat /tmp/fortune_demo/myfortunes
第一条我的小纸条。
--- 自己
%
君不见黄河之水天上来，奔流到海不复回。
--- 李白
%
第三条，最短验证。strfile 生成索引（注意它报的 3 条 / 最长 72 字节 / 最短 28 字节，跟字节流完全对得上）：
$ /usr/bin/strfile /tmp/fortune_demo/myfortunes
"/tmp/fortune_demo/myfortunes.dat" created
There were 3 strings
Longest string: 72 bytes
Shortest string: 28 bytes3 条签文，40 字节的 .dat（24 头 + 4×4 偏移）：
$ xxd /tmp/fortune_demo/myfortunes.dat
00000000: 0000 0002 0000 0003 0000 0048 0000 001c ver=2 n=3 longest=72 shortest=28
00000010: 0000 0000 2500 0000 0000 0000 0000 002c flags=0 delim='%' off[0]=0 off[1]=44
00000020: 0000 0076 0000 0092 off[2]=118 off[3]=146(=文件总大小)对照原文字节数：第一条 0–43 字节、第二条 44–117、第三条 118–145，文件总共 146 字节。偏移数组精确地把每条签文“框”住了。fortune 读起来：
$ fortune /tmp/fortune_demo/myfortunes
君不见黄河之水天上来，奔流到海不复回。
--- 李白7. fortune-zh 脚本解剖（底层 · 三）
/usr/games/fortune-zh 只有 33 行，是个 POSIX shell 脚本，核心就一句：
$ cat /usr/games/fortune-zh
#!/bin/sh
# fortune-zh
set -e
FORTUNE="/usr/games/fortune"
[ -x $FORTUNE ] || ( echo "E: Please install package 'fortune-mod'."; false )
# The old version (1.*) of fortune-zh contains only tang300 and song100.
# Note, $\sum_{i} P_i = 1$, i.e. all the possibilities must sum to 1.
DICT="7% tang300 2% song100 91% chinese"
# check LANG
if [ ! -z $LC_ALL ]; then
LANG="$LC_ALL"
fi
# output according to LANG
case "$LANG" in
"zh_CN.GB2312")
LANG=zh_CN.UTF8 $FORTUNE $DICT | iconv -c -f utf8 -t gbk
;;
"zh_TW.Big5")
LANG=zh_TW.UTF8 $FORTUNE $DICT | iconv -c -f utf8 -t big5
;;
*)
if [ ! -z "$FORTUNEZH_NOCOLOR" ]; then
$FORTUNE $DICT | sed -r "s/\x1b\[([0-9]{1,2}(;[0-9]{1,2})?)?m//g"
else
$FORTUNE $DICT
fi
;;
esac逐段拆解：
- 加权词库：
DICT="7% tang300 2% song100 91% chinese"—— 三个词库按7% / 2% / 91%的概率被抽到。这解释了为什么fortune-zh抽到的大多是 chinese 里那些杂学内容，唐诗宋词反而少见。 - 编码适配：老系统
zh_CN.GB2312/zh_TW.Big5环境，用iconv把 UTF-8 数据实时转成目标编码再输出；现代 UTF-8 环境直接原样输出。 - 去色开关：数据文件里嵌着 ANSI 颜色码，嫌花哨就设
FORTUNEZH_NOCOLOR=1，脚本用sed把\x1b[NNm全部剥掉：
$ FORTUNEZH_NOCOLOR=1 fortune-zh
世间无限丹青手，一片伤心画不成。
-- 高蟾《金陵晚望》对比带色的原始输出，能明显看到剥掉的是 \x1b[33m、\x1b[32m 这类序列。
8. 加权算法：实测而非臆测（底层 · 四）
-f 默认输出（第 4 节）显示 chinese 占 92.79%、song100 占 1.69%、tang300 占 5.52%。这三个数哪来的？是按各词库条目数算的：
chinese 5262 + song100 96 + tang300 313 = 5671 条
chinese: 5262 / 5671 = 92.79%
song100: 96 / 5671 = 1.69%
tang300: 313 / 5671 = 5.52%也就是说，没给百分比时，fortune 把目录里所有文件当成“平摊剩余额度”，再按条目数（不是文件字节数）分配。man page 里原话就是 “twice as big (in number of fortunes, not raw file size)”。
那给了显式百分比呢？man 里只含混地说“n% 概率”。别猜，直接实验。
实验 A：50% short 50% long，两个文件各 10 条，但最长条目差 175 倍（17 字节 vs 2977 字节）。 跑 1000 次数分布：
$ fortune 50% short 50% long | … # 统计 1000 次
510 长句
490 短句510/490 ≈ 五五开。结论：显式百分比下，“最长条目长度”完全不参与加权——即使一个文件条目长得离谱，50% 就是 50%。
实验 B：90% short many long，其中 short 10 条、many 30 条、long 10 条，只有 short 标了百分比。
$ fortune -f 90% short many long
90.00% /tmp/fortune_demo/w/short
7.50% /tmp/fortune_demo/w/many
2.50% /tmp/fortune_demo/w/long剩下 10% 分给了两个没标百分比的文件，且按条目数 30:10 拆成 7.5% : 2.5%。实测 500 次分布 88 / 8.6 / 3.2，符合预期。
实验 C：fortune -f 7% tang300 2% song100 91% chinese（正是 fortune-zh 那句）：
$ fortune -f 7% tang300 2% song100 91% chinese
91.00% /usr/share/games/fortunes/chinese
2.00% /usr/share/games/fortunes/song100
7.00% /usr/share/games/fortunes/tang300显式百分比原样生效。
于是加权规则收敛成一个简单模型：
对每个词库：显式给了 N% → 权重就是 N
没给百分比 → 平分剩余百分比，再按条目数比例细分
取随机数 r ∈ [0, 总和)，按权重顺序累加，落在哪个区间就抽哪个文件9. 用 30 行 Python 重写 fortune 核心
把第 6 节的逻辑落地成脚本，跑出来的效果和原生 fortune 一模一样：
#!/usr/bin/env python3
"""minifortune: 用 30 行重现 fortune 的底层取词逻辑"""
import os, random, struct
def pick(datafile):
datfile = datafile + ".dat"
with open(datfile, "rb") as f:
d = f.read()
# 24 字节大端头: version, numstr, longest, shortest, flags, delim, delimlen
ver, numstr, longest, shortest, flags = struct.unpack_from(">IIIII", d, 0)
delim = chr(d[20])
offsets = struct.unpack_from(">%dI" % (numstr + 1), d, 24)
# 随机选一条，读 [off[i], off[i+1])，去掉末尾的分隔符 "%\n"
i = random.randrange(numstr)
with open(datafile, "rb") as f:
f.seek(offsets[i])
entry = f.read(offsets[i + 1] - offsets[i])
entry = entry.rstrip(b"%\n")
return entry, numstr, longest, shortest, delim
entry, numstr, longest, shortest, delim = pick("/usr/share/games/fortunes/chinese")
print(">> minifortune 解析: numstr=%d longest=%d shortest=%d delim=%r"
% (numstr, longest, shortest, delim))
print(entry.decode("utf-8"))跑一次：
$ python3 mini_fortune.py
>> minifortune 解析: numstr=5262 longest=26553 shortest=4 delim='%'
口封得住，人口封不住。
-- 《谚语》底层真相就藏在这 30 行里：随机 = 先随机一个下标，再用偏移表直读那一段字节。
10. 自己造一个词库
三步走，5 秒钟搞定：
① 写数据文件，条目间用独占一行的 % 分隔：
$ cat > /tmp/mine <<'EOF'
早起的鸟儿有虫吃，早起的虫子被鸟吃。
--- 我自己
%
代码写得好，Bug 逃得早。
%
最后的签文：人生苦短，我用 Python。
EOF② strfile 生成索引：
$ /usr/bin/strfile /tmp/mine
"/tmp/mine.dat" created
There were 3 strings③ 直接当参数用，或放进 FORTUNE_PATH 指向的目录当默认库：
$ fortune /tmp/mine
代码写得好，Bug 逃得早。
$ mkdir -p ~/.myfortunes && cp /tmp/mine /tmp/mine.dat ~/.myfortunes/
$ FORTUNE_PATH=~/.myfortunes fortune
早起的鸟儿有虫吃，早起的虫子被鸟吃。
--- 我自己以后每次新开终端想被灌一句鸡汤，把它加进 ~/.zshrc：
echo "$(/usr/games/fortune-zh)"11. 一张图看懂全链路
你敲: fortune-zh
│
▼
fortune-zh 脚本 (shell) ←── 3 层外壳
├─ 拼参数: 7% tang300 2% song100 91% chinese
├─ 按 LANG 决定是否 iconv 转码
└─ 按 FORTUNEZH_NOCOLOR 决定是否剥色
│
▼
fortune 程序 (C) ←── 2 层索引
├─ 读各 .dat 24 字节头 → 拿到条目数 numstr
├─ 加权随机选一个文件、一个下标 i
└─ lseek 到 off[i]，读 off[i+1]-off[i] 字节
│
▼
数据文件 chinese / tang300 / song100 ←── 1 层文本
└─ 一段以 "%\n" 结尾的 UTF-8 文本（内含 ANSI 配色）
│
▼
stdout: 一句古诗/名言（带色）结语
一个 40 年前的命令行小玩具，剥开看其实是三件套：一份文本、一张偏移表、一个加权随机。数据文件决定“有什么”，.dat 决定“怎么快”，百分比语法决定“怎么偏”。理解了这三层，fortune 在你眼里就不再是黑盒——它甚至不如你自己写的 Python 复杂。
下次想在终端里“撞见”一句诗，记得先 export PATH="$PATH:/usr/games"。
原文 https://blog.csdn.net/2301_79518550/article/details/164194705