☰

为什么 Gnu sort 在我的 OSX 机器和 Linux 机器上的排序不同？

tag-icon • tag-icon linux osx sort locale gnu
为什么 Gnu sort 在我的 OSX 机器和 Linux 机器上的排序不同？

sort我有一台从 coreutils 8.26运行 GNU sort（从 Homebrew 安装）的 OSX 机器，以及一台从 coreutils 8.25sort运行 GNU的 Linux 机器。sort

在 Mac 上：

mac$ echo -e "{1\n2" | sort
2
{1

在 Linux 上时：

linux$ echo -e "{1\n2" | sort
{1
2

我知道这sort取决于语言环境。我locale在 Linux 机器上运行，在每行输出前面加上 ，export并在 OSX 机器上运行结果行，然后再次运行（在同一终端中）排序命令，这给出了与之前相同的输出。

然而，我注意到，locale在 Mac 上运行并没有显示 Linux 上出现的所有行，我不确定这是否相关。

Linux 上的语言环境：

linux$ locale
LANG=en_CA.UTF-8
LANGUAGE=en_CA:en
LC_CTYPE="en_CA.UTF-8"
LC_NUMERIC="en_CA.UTF-8"
LC_TIME="en_CA.UTF-8"
LC_COLLATE="en_CA.UTF-8"
LC_MONETARY="en_CA.UTF-8"
LC_MESSAGES="en_CA.UTF-8"
LC_PAPER="en_CA.UTF-8"
LC_NAME="en_CA.UTF-8"
LC_ADDRESS="en_CA.UTF-8"
LC_TELEPHONE="en_CA.UTF-8"
LC_MEASUREMENT="en_CA.UTF-8"
LC_IDENTIFICATION="en_CA.UTF-8"
LC_ALL=en_CA.UTF-8

OSX 上的语言环境：

mac$ locale
LANG="en_CA.UTF-8"
LC_COLLATE="en_CA.UTF-8"
LC_CTYPE="en_CA.UTF-8"
LC_MESSAGES="en_CA.UTF-8"
LC_MONETARY="en_CA.UTF-8"
LC_NUMERIC="en_CA.UTF-8"
LC_TIME="en_CA.UTF-8"
LC_ALL="en_CA.UTF-8"

我发现如果我LC_ALL=C在两台机器上设置，它们都会排序2before {1。但如果我LC_ALL=en_CA.UTF-8在两台机器上设置，我会得到如上所述的不同输出。如果我LC_ALL=en_CA.utf8在两台机器上设置也是一样。 （在 Linux 计算机上locale -a列出，但在 OSX 计算机上列出。）en_CA.utf8en_CA.UTF-8

知道这是怎么回事吗？

答案1

前几天我对同样的问题做了一些挖掘，所以让我分享一个技术答案。

在 macOS 上，/usr/share/locale/en_US.UTF-8/LC_COLLATE（或en_CA.UTF-8，同样的东西）是 的符号链接/usr/share/locale/la_LN.US-ASCII/LC_COLLATE，它是从la_LN.US-ASCII.src和colldef。以下是全文la_LN.US-ASCII.src：

# ASCII
#
# $FreeBSD: src/share/colldef/la_LN.US-ASCII.src,v 1.2 1999/08/28 00:59:47 peter Exp $
#
order \
    \x00;...;\xff

您可以通过验证校验和来验证二进制LC_COLLATE文件是否确实是从中生成的la_LN.US-ASCII.src：

$ colldef -o /dev/stdout usr-share-locale.tproj/colldef/la_LN.US-ASCII.src | sha256sum
9ec9b40c837860a43eb3435d7a9cc8235e66a1a72463d11e7f750500cabb5b78  -

$ sha256sum </usr/share/locale/en_US.UTF-8/LC_COLLATE
9ec9b40c837860a43eb3435d7a9cc8235e66a1a72463d11e7f750500cabb5b78  -

该规则集很容易理解：只需将字节值一一比较即可。因此，排序规则en_US.UTF-8与 POSIX 语言环境（又名 C 语言环境）相同。{是 0x7B，2是 0x32，所以{在 后面2。

该规则集是 FreeBSD 5 的产物，已同步到 Mac OS X 10.3 Panther 中。看colldefFreeBSD 5.0.0 源代码树中的目录。从那时起，它在 OS X / macOS 上就再也没有改变过。

在 Linux 上，区域设置程序和数据是glibc.参见 glibclocaledata/locales树，或/usr/share/i18n/locales在 Debian/Ubuntu 上。如果您检查/usr/share/i18n/locales/en_US，您会发现它iso14651_t1_common符合LC_COLLATE规则。所以如下ISO 14651整理规则。

博客文章中有更多详细信息：https://blog.zhimingwang.org/macos-lc_collat​​e-hunt。

相关内容