☰

如何对制表符分隔的文件进行排序？

tag-icon • tag-icon bash csv sorting tabs
如何对制表符分隔的文件进行排序？

我正在尝试使用种类对制表符分隔的文件进行排序，如下所示：

Fruit       Color   Origin              Category
pear        green   Oviedo–Gijón–Avilés Oviedo–Gijón–Avilés
strawberry  red     Reggio Calabria     garden strawberry
apple       green   Oviedo–Gijón–Avilés Arkansas Black
banana      yellow  Makindye Ssabagabo  East African Highland bananas

按每列排序。这是我最终得到的结果 ( <n>：列号)：

$ sort -t $'\t' -k <n>  <(tail -n+2 fruits.tsv)

这对前两列有效，但对第三列和第四列无效。例如，对于第四列，我得到以下结果：

banana      yellow  Makindye Ssabagabo  East African Highland bananas
apple       green   Oviedo–Gijón–Avilés Arkansas Black
pear        green   Oviedo–Gijón–Avilés Oviedo–Gijón–Avilés
strawberry  red            Reggio Calabria      garden strawberry

这是错误的。除此之外，终端中的第 4 行似乎发生了偏移。我做错了什么？

答案1

这是每个标签转换为的数据|：

pear||green|Oviedo–Gijón–Avilés|Oviedo–Gijón–Avilés
strawberry|red||Reggio Calabria||garden strawberry
apple||green|Oviedo–Gijón–Avilés|Arkansas Black
banana||yellow|Makindye Ssabagabo|East African Highland bananas

如您所见，有两个选项卡将您认为相邻的列分开；sort将在那里看到一个带有空白条目的列。

解决方案：排序之前，将多个标签页替换为一个标签页。

tail -n+2 fruits.tsv | tr -s '\t' | sort -t $'\t' -k <n>

（来源）。

如果你希望输出看很好，将结果传递下去column：

… | column -t -s $'\t'

（这$'\t'将被替换为 中的制表符bash）。但是，这将引入空格而不是制表符，因此最终结果将无法进一步解析。column仅在向人类展示时使用。

一些分页器（例如less）也可以用更好的方式显示制表符分隔的数据：

… | less -x 25

答案2

只需额外采取一步（来源：[https://stackoverflow.com/questions/18437884/replacing-tabs-with-single-tab-in-sed][1])：

tr -s '\t' '\t' < fruits.tsv > fruits_single_tab.tsv

tail -n+2 fruits_single_tab.tsv | tr -s '\t' | sort -t $'\t' -k 4 | less -x 25

我可以在文件中有多个标签。

相关内容