python - Unix排序——字符比较算法

Question

我需要像 Python 一样以一致的方式对文件进行排序。

我有一些使用 Unix sort 程序排序的文件。对该文件进行排序后，我编写了 Python 脚本来检查排序是否正确:

with open('my_file_location') as f:
    last_l = next(f)
    for l in f:
        if last_l > l:
            print(last_l, l)
            break
        last_l = l

脚本未能提供以下条目:

('250,8\n', '25,1\n')

我用排序工具进行了一些实验，以检查输出是否确实可重复并且与 Python 比较算法不一致。最后，我发现了两个有趣的案例:

 $ echo -e "250,1\n25,8" | sort
250,1
25,8
 $ echo -e "250,\n25," | sort
25,
250,

为什么这两个电话给了我两个不同的命令？我认为这有点奇怪，因为开头字符保持不变，只有结尾发生变化。

我的文件非常大，对我来说最好保留当前排序的文件。如何在 Python 中应用相同的字符串比较？

如果无法快速实现此比较，或者可能会发生其他问题，我如何再次使用 sort 对文件进行排序，但这次使用 Python 正确的比较算法？

更新

下面的 Python 输出示例(与 Unix sort 工具的输出不一致):

>>> '250,1' > '25,8'
True
>>> '250,' > '25,'
True

与 Unix sort 工具相反，在 Python 中，两种比较都会给出相同的结果。

Answer 1

您可以通过以下方式确认区域设置是罪魁祸首:

import locale

locale.setlocale(locale.LC_ALL, 'en_US.UTF-8')
L = ['250,1', '25,8']
print(sorted(L, cmp=locale.strcoll))
#['250,1', '25,8']

locale.setlocale(locale.LC_ALL, 'C')
print(sorted(L, cmp=locale.strcoll))
#['25,8', '250,1']