根据文本文件排序

Question 1

试试这个代码：

sort -t'"' -n -k4 "input.txt" > "output.txt"

到底是怎么回事？

它使用双引号"作为分隔符。这样，我们就可以把第二列带引号的数字视为“数字”而不是字符串。但是，这会打乱列的计数。因为每行都以排序开头，所以"在“年份”之前会考虑一个空列。同样，“年份”和“地区代码”之间的逗号分隔符也被视为一列。因此，地区代码是 -k4，而不是 -k2。

如果我们使用逗号,作为分隔符，则区域代码将被用双引号引起来，并按排序作为字符串处理。

是input.txt输入文件的名称。是output.txt输出文件的名称。

参考：https://stackoverflow.com/questions/24688548/bash-sort-quoted-csv-files-by-numeric-key

希望这可以帮助

Answer

试试这个代码：

sort -t'"' -n -k4 "input.txt" > "output.txt"

到底是怎么回事？

它使用双引号"作为分隔符。这样，我们就可以把第二列带引号的数字视为“数字”而不是字符串。但是，这会打乱列的计数。因为每行都以排序开头，所以"在“年份”之前会考虑一个空列。同样，“年份”和“地区代码”之间的逗号分隔符也被视为一列。因此，地区代码是 -k4，而不是 -k2。

如果我们使用逗号,作为分隔符，则区域代码将被用双引号引起来，并按排序作为字符串处理。

是input.txt输入文件的名称。是output.txt输出文件的名称。

参考：https://stackoverflow.com/questions/24688548/bash-sort-quoted-csv-files-by-numeric-key

希望这可以帮助

Question 2

问题是，即使您使用正确的分隔符，引号也会使您的District Code字段变成非数字,。

对于 CSV 输入，我建议使用 CSV 感知工具 - 除了处理引用之外，它还将处理标题（如果使用纯文本，则需要将其删除并重新插入sort）。

例如，您可以使用csvsort基于 Python 的包。不幸的是，默认情况下它会删除不必要的字段引用 - 但您可以使用来自同一包的csvkit引用将其恢复：csvformat

csvsort -c "District Code" file.csv | csvformat -U1

-I由于 csvsort 默认执行类型推断，因此您可以免费进行数字排序 - 使用或关闭推断--no-inference以查看其产生的差异。

或者你可以使用磨坊主（可从 Ubuntuuniverse存储库获得）：

mlr --csv --quote-all sort -n "District Code" file.csv

如果您的文件适合更简单的格式，您可以尝试代替--csvlite。--csv

如果既没有csvkit也不mlr可用，那么您可以使用 GNU 执行类似操作awk。基本思想是创建两个数组，均按记录号索引，其中一个包含整个行，另一个包含（数字转换的）第二列值。然后按数字对后者进行排序，并使用其排序后的索引打印行：

gawk -F, '
  {line[NR] = $0; gsub(/^"|"$/,"",$2); key[NR] = $2} 
  END {PROCINFO["sorted_in"] = "@val_num_asc"; for(k in key) print line[k]}
' file.csv

或者（更优雅地）使用具有自定义比较函数的单个数组

gawk -F, '
  function mycmp (i1, v1, i2, v2) {
    split(v1,a); gsub(/^"|"$/,"",a[2]); 
    split(v2,b); gsub(/^"|"$/,"",b[2]); 
    return a[2] - b[2]
  }
  {
    line[NR] = $0
  } 
  END {
    PROCINFO["sorted_in"] = "mycmp"; 
    for (i in line) print line[i]
  }
' file.csv

请注意，在这两种情况下，标题行都保持不变，因为列名称的District Code数值计算结果为0，并且没有任何列值小于"1"。更正式的正确解决方案是使用自己的NR==1 {print; next}规则来处理标题行。

看GNU Awk 用户指南：12.2.1 控制数组遍历

Answer

问题是，即使您使用正确的分隔符，引号也会使您的District Code字段变成非数字,。

对于 CSV 输入，我建议使用 CSV 感知工具 - 除了处理引用之外，它还将处理标题（如果使用纯文本，则需要将其删除并重新插入sort）。

例如，您可以使用csvsort基于 Python 的包。不幸的是，默认情况下它会删除不必要的字段引用 - 但您可以使用来自同一包的csvkit引用将其恢复：csvformat

csvsort -c "District Code" file.csv | csvformat -U1

-I由于 csvsort 默认执行类型推断，因此您可以免费进行数字排序 - 使用或关闭推断--no-inference以查看其产生的差异。

或者你可以使用磨坊主（可从 Ubuntuuniverse存储库获得）：

mlr --csv --quote-all sort -n "District Code" file.csv

如果您的文件适合更简单的格式，您可以尝试代替--csvlite。--csv

如果既没有csvkit也不mlr可用，那么您可以使用 GNU 执行类似操作awk。基本思想是创建两个数组，均按记录号索引，其中一个包含整个行，另一个包含（数字转换的）第二列值。然后按数字对后者进行排序，并使用其排序后的索引打印行：

gawk -F, '
  {line[NR] = $0; gsub(/^"|"$/,"",$2); key[NR] = $2} 
  END {PROCINFO["sorted_in"] = "@val_num_asc"; for(k in key) print line[k]}
' file.csv

或者（更优雅地）使用具有自定义比较函数的单个数组

gawk -F, '
  function mycmp (i1, v1, i2, v2) {
    split(v1,a); gsub(/^"|"$/,"",a[2]); 
    split(v2,b); gsub(/^"|"$/,"",b[2]); 
    return a[2] - b[2]
  }
  {
    line[NR] = $0
  } 
  END {
    PROCINFO["sorted_in"] = "mycmp"; 
    for (i in line) print line[i]
  }
' file.csv

请注意，在这两种情况下，标题行都保持不变，因为列名称的District Code数值计算结果为0，并且没有任何列值小于"1"。更正式的正确解决方案是使用自己的NR==1 {print; next}规则来处理标题行。

看GNU Awk 用户指南：12.2.1 控制数组遍历

根据文本文件排序

答案1

试试这个代码：

到底是怎么回事？

答案2

相关内容