java - 来自 Java 的 UNIX 文件排序问题

Question

我们有一个 Java 程序，它需要在进程中对文件进行排序。有问题的文件可能包含键盘上可用的任何可打印字符。我们能够在标准的单字符定界符上执行 OK 排序，但是当排序遇到该字符时，它解析不正确。我们希望使用制表符分隔符或多字符分隔符，以便无论数据内容如何，​​文件都能正确排序。我们正在动态构建命令字符串并将其传递给 shell 以执行，如下所示。

execStr = new StringBuffer("/usr/bin/sort -n +1n -2 +0n -1 -o "+ outputFile.toString() + "-t "+ DELIMITER + ""+ outputFile。 toString());
进程runProc = Runtime.getRuntime().exec(execStr.toString());

如果我们包含 $ 和刻度线来包裹定界符，排序将无法找到所需的列并在第一列上排序，这给我们带来了将制表符指定为 $'\t' 的问题。我们曾尝试使用可打印范围之外的字符，例如 $'Ç'(十六进制 C7)，但是 Java 字符串的排序机制为 $'?'< 等字符发布了一个问号，这当然对我们不起作用。 Java 处理字符串的方式以及排序 读取字符串的方式似乎很适合我们。有没有其他人遇到过这个问题，如果遇到过，您是如何解决的？理想情况下，使用多字符定界符对我们来说是最好的，但如果可以的话，我们会使用制表符。

提前致谢，迈克

Answer 1

您使用便捷的方法让自己很难做到这一点!

首先，什么是$'\t' ？那是四个字符，不是指定制表符的任何方式。

关键是要注意 exec(command) , command使用 StringTokenizer 拆分字符串，它将在空白处拆分命令字符串。空格包含您的制表符，因此它会消失 -- 这就是为什么包含文字制表符不起作用。

此外(虽然这与您的问题没有任何关系)，您的 StringBuffer 是多余的，因为它是用单个字符串初始化的，该字符串以通常的方式连接 + .

您最好使用 ProcessBuilder 创建命令(正如 jackrabbit 的评论所建议的那样)。这样，您就可以准确控制参数是什么，如果您将文字制表符作为参数之一包含在内，那么传递给程序的参数中也会包含该字符。

ProcessBuilder pb = new ProcessBuilder("/usr/bin/sort", "-t", "\t", ...);

在做这样的事情时很容易犯错误，忘记了 shell 对终端中键入的命令做了很多工作，而你没有 shell 进行这种转义在这样的环境中工作。 shell 组装一个由字符串数组组成的参数列表，这就是传递给 exec(3) 的内容。为了理智起见，您希望尽可能跳过中介，并自己组装这个字符串。