使用管道“|”对不排序的行进行排序 正确地在其中

Question

我正在尝试对一些简单的管道分隔数据进行排序。然而， sort 实际上并不是排序。它将我的标题行移到底部，但我以 241 开头的两行被以 24 开头的一行分开。

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

列标题被移到文件的底部，所以 sort 显然正在处理它。但是，实际值并没有像我期望的那样排序。

在这种情况下，我解决了它

sort sort_fail.csv --field-separator='|' -k1,1

但是，我觉得应该没有这个必要。为什么排序不是排序？

Answer 1

sort 是语言环境感知的，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为什么，因此可能会得到不同的结果。

脚本强制所需的设置并不少见

例如

$ grep 'LC.*sort' /bin/precat
      LC_COLLATE=C sort -u | prezip-bin -z "$cmd: $2"

现在有趣的是，这里的|角色看起来很奇怪。

但那是因为源自 ISO 的 en_US 的默认规则说

$ grep 007C /usr/share/i18n/locales/iso14651_t1_common
<U007C> IGNORE;IGNORE;IGNORE;<j> # 142 |

这意味着该|字符被忽略，排序顺序就好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。

变通方法是使用-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C语言环境。