小编osc*_*ter的帖子

我有一个包含 220k 个名称的 CSV 文件，我想将这些名称批量导入到图形数据库中。批量导入器强加了每个节点只能出现一次的限制，所以我想使用sort和删除重复项uniq：

sort all-authors.csv | uniq > unique-authors.csv

在调查丢失的节点时，我观察到了这种奇怪的行为：

$ grep ??? unique-authors.csv
$ grep ??? all-authors.csv 
"???"
$

该名称被传递sort但随后丢失uniq：

$ sort all-authors.csv | grep ???
"???"
$ sort all-authors.csv | uniq | grep ???
$

它适用于其他非英语名称，例如：

$ grep '?? ??' *csv
all-authors.csv:"?? ??"
unique-authors.csv:"?? ??"
$

这里发生了什么？

编辑：添加了语言环境的输出

 $ locale
LANG=en_US.UTF-8
LC_CTYPE="en_US.UTF-8"
LC_NUMERIC="en_US.UTF-8"
LC_TIME="en_US.UTF-8"
LC_COLLATE="en_US.UTF-8"
LC_MONETARY="en_US.UTF-8"
LC_MESSAGES="en_US.UTF-8"
LC_PAPER="en_US.UTF-8"
LC_NAME="en_US.UTF-8"
LC_ADDRESS="en_US.UTF-8"
LC_TELEPHONE="en_US.UTF-8"
LC_MEASUREMENT="en_US.UTF-8"
LC_IDENTIFICATION="en_US.UTF-8"
LC_ALL=en_US.UTF-8
$

编辑：使用单行文件和 sort -u …