我正在尝试对一些简单的管道分隔数据进行排序。然而,排序实际上并不是排序。它将我的标题行移动到底部,但以 241 开头的两行被以 24 开头的行分割。
cat sort_fail.csv
column_a|column_b|column_c
241|212|20810378
24|121|2810172
241|213|20810376
sort sort_fail.csv
241|212|20810378
24|121|2810172
241|213|20810376
column_a|column_b|column_c
列标题被移动到文件的底部,因此排序显然正在对其进行处理。但是,实际值并未按照我的预期进行排序。
在这种情况下,我解决了这个问题
sort sort_fail.csv --field-separator='|' -k1,1
但是,我觉得应该没有这个必要。为什么排序不排序?
答案1
sort
是区域设置感知的,因此根据您的 LC_COLLATE 设置(从 LANG 继承),您可能会得到不同的结果:
$ LANG=C sort sort_fail.csv
241|212|20810378
241|213|20810376
24|121|2810172
column_a|column_b|column_c
$ LANG=en_US sort sort_fail.csv
241|212|20810378
24|121|2810172
241|213|20810376
column_a|column_b|column_c
这可能会导致脚本出现问题,因为您可能不知道调用区域设置是什么,因此可能会得到不同的结果。
脚本强制执行所需设置的情况并不罕见
例如
$ grep 'LC.*sort' /bin/precat
LC_COLLATE=C sort -u | prezip-bin -z "$cmd: $2"
现在有趣的是,这个|
角色看起来很奇怪。
但这是因为 en_US 的默认规则(源自 ISO)表示
$ grep 007C /usr/share/i18n/locales/iso14651_t1_common
<U007C> IGNORE;IGNORE;IGNORE;<j> # 142 |
这意味着该|
角色是被忽略并且排序顺序就像该字符不存在一样。
$ tr -d '|' < sort_fail.csv | LANG=C sort
24121220810378
241212810172
24121320810376
column_acolumn_bcolumn_c
这与您看到的“意外”排序相匹配。
解决方法是使用-n
(强制数字排序),或使用字段分隔符(如您所做的那样)或使用区域设置C
。
答案2
令我恼火的是, 并24
没有从两者之间的位置移动241
。第二个字段以1
.尝试4
在第二个字段中进行领先排序,24
被向下移动,所以我怀疑sort
只是忽略了|
除非另有说明。尝试sort -n
...
答案3
-n, --numeric-sort 根据字符串数值进行比较
210
23
如果没有 -n,文本中的 210 会领先于 23,因为它是我的角色。