grep 和排序选项

Question

我有以下列标题：

EntryDate,HH_ID,HH_type,ID#,Age,First,Last,Gender,Race,Ethnicity,CaseWorkerName

大约有 2000 行数据非常匹配。

我想排序CaseWorkerName并将其他列中的所有值排列起来。

实现这一目标的最佳方法是什么？

Answer 1

这CaseWorkerName是第 11 列。sort实用程序可能会被告知要根据哪一列进行排序，以及在指定列时使用什么分隔符：

$ sort -t ',' -k11,11 data.in

这将告诉sort使用逗号作为分隔符，并根据第 11 到 11 列（即仅第 11 列）按字典顺序升序排序。

输出被写入控制台。如果要将输出存储在另一个文件中，请使用

$ sort -t ',' -k11,11 -o data.out data.in

data.in如果使用-o标志来指定输出文件是可以的。

如果您希望避免对第一行进行排序（它可能包含列标题），那么我们必须首先将标题与数据分开：

$ head -n 1 data.in >data.header
$ sed '1d' data.in  >data.unsorted

然后将排序后的数据与标题进行排序和重新组合：

$ sort -t ',' -k1,11 -o data.sorted data.unsorted
$ cat data.header data.sorted >data.out
$ rm data.sorted data.header data.unsorted

或者，更短

$ sed '1d' data.in  | sort -t ',' -k11,11 -o data.sorted
$ head -n 1 data.in | cat - data.sorted >data.out
$ rm data.sorted

如果您在使用 GNU coreutils 的 Linux 系统上，这可能会更短，

$ ( head -n 1; sort -t ',' -k11,11 ) <data.in >data.out

使用 GNU coreutils 实现head，子进程 ( (...))的标准输入将首先被消耗，head而任何剩余的数据将被提供给sort。子流程的输出将是 的输出，head然后是 的输出sort。

在其他系统上，head可能会从标准输入流中消耗比预期更多的sort东西，这将不提供任何东西（或至少不提供文件的其余部分）。至少在 OpenBSD 上是这样。

结果在data.out上面的每个示例之后。

请注意，如果任何列中的数据包含逗号，所有这些方法都将失败...