主页 / unix / 问题 / 775530
Accepted
True Soft
Asked: 2024-04-30 16:07:46 +0800 CST

按行对文件进行排序，无论其内容如何

  • 772

我有一个非常大的文件，我想按字母顺序排序。它是一个制表符分隔的文件，但我确实需要确保该文件是按行中的第一个字符开始排序的，无论它是空格还是其他任何字符。

输入文件示例：

2090802 V19 I must be the third in the group 
20908 02    V18 I must be the first in file, as col 1 is another value
2090802 V17 I must be the second in the group 
2090802 V16 I must be the first in the group of 2090802

使用命令sort test.txt > test-s.txt我得到这个输出：

2090802 V16 I must be the first in the group of 2090802
2090802 V17 I must be the second in the group 
20908 02    V18 I must be the first in file, as col 1 is another value
2090802 V19 I must be the third in the group

排序程序似乎看到第一列具有相同的值（忽略第 3 行中的空格），并使用下一个列（V16、V17、V18 和 V19）对文件进行排序。

但是，我希望该值20908 02被认为是不同的，我的预期结果应该是这样的：

20908 02    V18 I must be the first in file, as col 1 is another value
2090802 V16 I must be the first in the group of 2090802
2090802 V17 I must be the second in the group 
2090802 V19 I must be the third in the group

我尝试使用-b参数，并-t给出另一个分隔符，但仍然没有得到想要的结果。

如何通过考虑行中的每个字符而不忽略空格来对文件进行排序？

sort

2 个回答

  1. Best Answer

    排序顺序取决于区域设置。在大多数语言环境中，间距在第一近似中被忽略（请参阅空格 (U+0020) 和 TAB (U+0009) 如何作为ISO14651IGNORE中的前 3 个权重）。

    如果您想要每个字符（实际上是字节）都计数并且顺序基于字节值的排序顺序（对于 UTF-8 编码文本，这与基于 Unicode 代码点值的排序一致），请使用C又名POSIX区域设置：

    LC_ALL=C sort your-file

    设置LC_ALL影响所有本地化类别。排序顺序受类别影响LC_COLLATE，但在这里，设置LC_CTYPE（影响字符和字节序列编码/解码的方式）可能C是一个好主意，因为它保证任何字节序列都可以解码为字符并排序（按字节）价值）。如果还设置了其他方式，LC_COLLATE=C sort your-file也将不起作用。LC_ALL

    • 13

  2. 虽然使用LC_ALL=C可能会更快、更高效，但另一种选择是使用-k告诉sort仅对第一个字段进行排序，而不对其他字段进行排序*：

    $ sort -k1,1 file
20908 02    V18 I must be the first in file, as col 1 is another value
2090802 V16 I must be the first in the group of 2090802
2090802 V17 I must be the second in the group 
2090802 V19 I must be the third in the group

    * 实际上，sort（或者至少是 GNU sort）在找到两个相同的排序字段时仍然会查看该行的其余部分以进行“最后的”排序。info sortGNU 系统对此进行了解释：

    最后，作为最后的手段，当所有键比较相等时，“sort”会比较整行，就好像没有指定除“--reverse”（“-r”）之外的排序选项一样。'--stable' ('-s') 选项禁用此“最后手段比较”，以便所有字段比较相等的行保留其原始相对顺序。'--unique' ('-u') 选项也会禁用最后的比较。

    正是这种最后手段的排序使得 V16 行在输出中出现在 V17 行之前，尽管在输入中的顺序相反。

    • 7

相关问题