按 unicode 值对行进行排序

Question

我正在尝试按其 Unicode 值对文本文件进行逐行排序。据我所知，这意味着首先是数字，然后是字母，然后是 CJK 表意文字。然而，sort(with LC_ALL=C) 在这个任务上失败了。这是我的清单的摘录：

[#??????????]
[???????]
[??]
...
[?????????????]
[?????????????]
[10th Avenue Cafe]
[2nd Flush]
...
[Alstroemeria Records & Cradle]
[ALTERNATIVE]
[???????? - Altneuland]
[Amateras Records]
[???????Ammy's]
[anagram]
[Analyze]
...
[Z.S.G TRAXXX]
[? music]
[?iselied]
[?????????]
[???]

似乎sort忽略（至少有时）它无法读取的字符，因为Altneuland确实会在Alternative和之间Amateras Records。使用有人建议msort（有选项，但它也失败了-u c，-u d和-u n分别）。

首先，为什么它表现得如此出乎意料？其次，我该如何解决这个问题？

添加：// 我在树莓派上使用 Raspbian (B)

Answer 1

你用的是什么系统？

LC_ALL=C sort < your-file.txt

your-file.txt您以 utf-8 编码发布的文本在哪里，排序为：

[#??????????]
[10th Avenue Cafe]
[2nd Flush]
[ALTERNATIVE]
[Alstroemeria Records & Cradle]
[Amateras Records]
[Analyze]
[Z.S.G TRAXXX]
[anagram]
[? music]
[?iselied]
[??]
[?????????????]
[???????? - Altneuland]
[?????????????]
[???????Ammy's]
[???????]
[?????????]
[???]

在我的系统上（从 GNU coreutils 8.13、Debian EGLIBC 2.13-38 排序）。当通过管道传递cut -c2 | tr -d \\n | recode ..dump给：

UCS2   Mne   Description

0023   Nb    number sign
0031   1     digit one
0032   2     digit two
0041   A     latin capital letter a
0041   A     latin capital letter a
0041   A     latin capital letter a
0041   A     latin capital letter a
005A   Z     latin capital letter z
0061   a     latin small letter a
03B1   a*    greek small letter alpha
042F   JA    cyrillic capital letter ya
305E   zo    hiragana letter zo
307B   ho    hiragana letter ho
30A2   A6    katakana letter a
30B5   Sa    katakana letter sa
30BB   Se    katakana letter se
30C1   Ti    katakana letter ti
4E00
4E03

与sort来自 GNU coreutils 7.4、EGLIBC 2.11.1-0ubuntu7.12的旧系统相同