Início / server / Perguntas / 1161951
Accepted
Zulakis
Asked: 2024-07-03 19:59:01 +0800 CST

Como a classificação compara strings?

  • 772

Eu esperaria que o bash sort comparasse strings como esta:

  • Comece no primeiro caractere (de ambas as strings)
  • Se os caracteres forem iguais, prossiga para o próximo caractere
  • Se eles forem desiguais, retorne o resultado maior/menor para o algoritmo de classificação
  • Se não houver mais caracteres, retorne igual

Por alguma razão, parece que este não é o caso.

Vamos pegar a seguinte entrada:

a
b
.
-

Isso é classificado por bash sort como

-
.
a
b

Agora, para entrada

b.de
bb.de

Eu esperaria o seguinte resultado de classificação:

b.de
bb.de

Porque o primeiro caractere é igual, e para o segundo caractere, .vem antes b(como visto no primeiro teste).

Por alguma razão, este não é o caso, as strings são classificadas assim:

bb.de
b.de

Por que está sortse comportando dessa maneira e existe uma maneira de fazer com que ele se comporte "conforme o esperado"?

Eu testei os mesmos exemplos com python e python classifica conforme esperado.

bash

2 respostas

  1. Best Answer

    Classificar por padrão faz uma classificação com reconhecimento de localidade que usa as regras lexicográficas de sua localidade. veja strcoll(3)

    ltrace(3) me deu isto:

    strcoll("b.de", "bb.de") = 20

    comparações com reconhecimento de localização parecem dividir as strings em palavras e classificá-las. já que as palavras nunca começam com '.' sort vê palavras com 0 lenfgh e as coloca no início da lista. no entanto '.' é colocado em palavras, por exemplo: "Jr." "Ph.D"

    se você precisar de uma comparação de bytes, exporte LC_COLLATE=C ou LC_COLLATE=POSIX

    • 3

  2. Eu verifiquei o coreutilspacote e se você não fornecer nenhum argumento, parece que ele (eventualmente) usa a strcmprotina C. O único caso que não é verdade é quando os valores nas linhas podem ser interpretados como números inteiros.

    A página de manual da qual diz:

    Na glibc, como na maioria das outras implementações, o valor de retorno é o resultado aritmético da subtração do último byte comparado em s2 do último byte comparado em s1. (Se os dois caracteres forem iguais, essa diferença será 0.)

    Isso significa que o strcmpof bb.dee b.derealmente se resume ao último caractere.

    Isso é if 'd' < 'e'o que (pelo menos em ascii) seria if 100 < 101o que é verdade.

    • -1

relate perguntas