☰

Unix 排序不接受非常规分隔符“±”作为字段分隔符

tag-icon • tag-icon bash shell sort unicode
Unix 排序不接受非常规分隔符“±”作为字段分隔符

我都尝试过

... | sort -k'1,1r' -k'2,2' -t'±'

... | sort -k'1,1r' -k'2,2' -t$'\xC2\xB1'


*$> sort: ±: Invalid argument*

我希望它不是不受排序支持，只是我缺少一些转义或特殊字符处理。

我的设置是：

localhost:~ user$ locale
LANG=
LC_COLLATE="C"
LC_CTYPE="UTF-8"
LC_MESSAGES="C"
LC_MONETARY="C"
LC_NUMERIC="C"
LC_TIME="C"
LC_ALL=

localhost:~ user$ sort --version
2.3-Apple (99)

答案1

如果你看一下Apple macOS 源代码sort，它对其进行了少量修改FreeBSD 的起源。

特别是，你会发现同样的-t像 FreeBSD 中一样尴尬/损坏的选项处理。

            case 't':
                while (strlen(optarg) > 1) {
                    if (optarg[0] != '\\') {
                        errc(2, EINVAL, "%s", optarg);
                    }
                    optarg += 1;
                    if (*optarg == '0') {
                        *optarg = 0;
                        break;
                    }
                }

正如您所看到的，-t仅当参数为空（在这种情况下 NUL 是分隔符）或包含单个字节或者 以任意数量的\字符开头，后跟一个字节（在这种情况下，该字节被用作分隔符），或者0后跟任何内容，在这种情况下，分隔符是NUL。

例子：

  • -t ''或-t '\0'， 或-t '\\\\\0'或-t '\\0whatever以 NUL 字符为界
  • -t '\t',-t '\\\t'定界于t
  • -t '\',-t '\\\\\'以反斜杠分隔。

无论如何，分隔符只能是单个字节，这个神秘的额外处理可能只在那里，所以-t '\0'可以用来指定一个 NUL 分隔符以与 GNU 兼容sort（FreeBSDsort曾经是 GNU sort），或者可能（因为那个承诺这甚至与选项无关-t），因此-t '\\'也可以用来指定\分隔符（不是 GNU 接受的东西sort）。

所以不能使用多字节字符作为分隔符。

没有多少sort实现允许多字节字符。 GNU 或 busyboxsort也没有。但ast-open 确实sort如此。

在这里，您可以±在排序之前将 与单字节字符（最好是不太可能出现在输入中的字符，这样不会影响排序）交换，并在之后恢复。值得庆幸的是 FreeBSDtr和大概 macOStr也支持多字节字符（与 GNU 相反tr）：

<input tr '±\1' '\1±' | sort -t $'\1' ... | tr '±\1' '\1±'

相关内容