linux - 试图了解 linux 中的排序实用程序

Question

我有一个名为 a.csv 的文件。其中包含

100008,3
10000,3
100010,5
100010,4
10001,6
100021,7

运行此命令后 sort -k1 -d -t ","a.csv

结果是

10000,3
100008,3
100010,4
100010,5
10001,6
100021,7

这是出乎意料的，因为 10001 应该比 100010 先出现

试图理解为什么会发生这种情况。但无法得到任何答案。

$ sort --version
sort (GNU coreutils) 8.13
Copyright (C) 2011 Free Software Foundation, Inc.
License GPLv3+: GNU GPL version 3 or later <http://gnu.org/licenses/gpl.html>.
This is free software: you are free to change and redistribute it.
There is NO WARRANTY, to the extent permitted by law.

Written by Mike Haertel and Paul Eggert.

Answer 1

其他一些回复假设这是数字排序与字典排序的问题。事实并非如此，因为即使按字母顺序排序，问题中给出的输出也不正确。

答案

要获得正确的排序，需要将-k1更改为-k1,1:

$ sort -k1,1 -d -t "," a.csv
10000,3
100008,3
10001,6
100010,4
100010,5
100021,7

原因

-k 选项需要两个数字，开始和结束字段进行排序(即 -ks,e 其中 s 是开始e 是结尾)。默认情况下，结束字段是行的结尾。因此，-k1 等同于根本不提供 -k 选项。为了证明这一点，比较:

$ printf "1,a,1\n2,aa,2\n" | sort -k2 -t,
1,a,1
2,aa,2

与:

$ printf "1~a~1\n2~aa~2\n" | sort -k2 -t~
2~aa~2
1~a~1

第一个将 a,1 排在 aa,2 之前，而第二个将 aa~2 排在 a~1 因为在 ASCII 中，, <a <~.

因此，为了获得所需的行为，我们需要仅 对一个字段进行排序。在您的情况下，这意味着使用 1 作为开始和结束字段，因此您指定 -k1,1。如果您使用 -k2,2 而不是 -k2 尝试上面的两个示例，您会发现在这两种情况下您得到相同(正确)的排序。

非常感谢来自 coreutils 邮件列表的 Eric 和 Assaf 指出了这一点。