Linux sort命令详解

发表于

Linux sort 命令详解

原文 ： linux sort 命令详解

何为 sort

sort将文件的每一行作为一个单位，相互比较，比较原则是从首字符向后，依次按ASCII码值进行比较，最后将他们按升序输出。

基本使用

1
sort [-bcCdfghiRMmnrsuVz] [-k field1[,field2]] [-S memsize] [-T dir] [-t char] [-o output] [file ...]

比如，有一个文档是这样的：

1
2
3
4
5
6
➜  linux_cmd cat seq.txt
banana
apple
pear
orange
orange

排序后：

1
2
3
4
5
6
➜  linux_cmd sort seq.txt
apple
banana
orange
orange
pear

加点参数

1. -u 去重

上面的文件中有两个 orange，加了 -u 后：

1
2
3
4
5
➜  linux_cmd sort -u seq.txt
apple
banana
orange
pear

u，就是 unique 了

2. -r 反向

1
2
3
4
5
6
➜  linux_cmd sort -r seq.txt
pear
orange
orange
banana
apple

r，就是 reverse 了，默认升序，现为降序

3. -o 输出到文件

输出到文件，用重定向符号也可以，但是想原文件修改，就必须要 -o 了：

1
2
3
4
5
6
7
➜  linux_cmd sort seq.txt -o seq.txt
➜  linux_cmd cat seq.txt
apple
banana
orange
orange
pear

o，就是 output 了，并且是可以输出到原文件的那种

4. -n 按数字排序

如果要排序的列是数字，那么直接排会出现问题，因为 sort 默认是按照字符串处理的：

1
2
3
4
5
6
➜  linux_cmd sort seq1.txt
10
13
2
8
9

此时可以加 -n 选项来声明按数字处理：

1
2
3
4
5
6
➜  linux_cmd sort -n seq1.txt
2
8
9
10
13

n，就是 number 了

5. -k 和 -t 指定列进行排序

若有一个文件是这样的：

1
2
3
4
5
➜  linux_cmd cat seq.txt
apple:10:6.5
banana:5:3.5
orange:7:5
pear:8:5.5

若想以第二列进行排序，则需：

1
2
3
4
5
➜  linux_cmd sort -k 2 -t : -n seq.txt
banana:5:3.5
orange:7:5
pear:8:5.5
apple:10:6.5

这里，-k 指明了要以第2列进行排序，然后 -t 指明了要以 “:” 作为分隔符将每行进行切分（默认是任意个空格，换行符\t也行）

6. 更多选项

-f 会将小写字母都转换为大写字母来进行比较，亦即忽略大小写

-c 会检查文件是否已排好序，如果乱序，则输出第一个乱序的行的相关信息，最后返回1

-C 会检查文件是否已排好序，如果乱序，不输出内容，仅返回1

-M 会以月份来排序，比如JAN小于FEB等等

-b 会忽略每一行前面的所有空白部分，从第一个可见字符开始比较。

更多选项可参考 man 手册

-k 的高级用法

有时候学习脚本，你会发现sort命令后面跟了一堆类似 -k1,2，或者 -k1.2 -k3.4 的东东，有些匪夷所思。今天，我们就来搞定它—-k选项！

首先准备一个文件：

1
2
3
4
banana 5 3.5
orange 8 5
pear 8 4.5
apple 10 6.5

其中第一列是水果名，第二列是个数，第三个是单价。现在想 按个数排序 ：

1
2
3
4
5
➜  linux_cmd sort -k 2 -n seq.txt
banana 5 3.5
orange 8 5
pear 8 4.5
apple 10 6.5

发现 orange 和 pear 个数相同，但是 orange 在前。这是因为默认情况下，当排序的列相同时，再按顺序从第一列开始排。如果我想 个数相同就按价格来排 的话，可以这样：

1
2
3
4
5
➜  linux_cmd sort -k 2 -k 3 -n seq.txt
banana 5 3.5
pear 8 4.5
orange 8 5
apple 10 6.5

是的，k 选项可以有多个。

那如果想 个数相同，就按价格倒序来排 的话。。。

1
2
3
4
5
➜  linux_cmd sort -k 2 -k 3r -n seq.txt
banana 5 3.5
orange 8 5
pear 8 4.5
apple 10 6.5

这里有个细节：-k 3r，这里的 r 其实和 -r 是一样的作用，只不过有多列，就这么处理来单独配置某一列，同样 -n 也可以这么处理：

1
2
3
4
5
➜  linux_cmd sort -k 2n -k 3rn seq.txt
banana 5 3.5
orange 8 5
pear 8 4.5
apple 10 6.5

最后再来看看 -k 的高级用法，首选需要了解-k选项的语法格式，如下：

[ FStart [ .CStart ] ] [ Modifier ] [ , [ FEnd [ .CEnd ] ][ Modifier ] ]

  • 这里的 Modifier 就是上面说的 -k 3rn 里的 r/n 了。
  • CStart 可以理解为 offset 吧，不设的话默认为列首，比如 -k 3，就代表第三列的第一个字符开始；
  • FEnd 代表排序的列范围，那不设就默认为到最后一列为止。（其实是不对的，可以看下面）
  • CEnd 同 CStart

比如有这么个文件：

1
2
3
4
5
➜  linux_cmd cat seq.txt
apple 10 6.5
banana 5 3.5
paear 8 4.5
orange 8 5

想要 按第1列，从第2个字母起进行排序 ，那么：

1
2
3
4
5
➜  linux_cmd sort -k 1.2 seq.txt
paear 8 4.5
banana 5 3.5
apple 10 6.5
orange 8 5

会发现 paear 因为第三个字母比 banana 靠前，所以整行都在前面了，如果 只想按第2个字母排序，那么：

1
2
3
4
5
➜  linux_cmd sort -k 1.2,1.2 seq.txt
banana 5 3.5
paear 8 4.5
apple 10 6.5
orange 8 5

再说一下 Modifier ，可以用到b、d、f、i、n 或 r。

  • 其中n和r你肯定已经很熟悉了。
  • b表示忽略本域的签到空白符号。
  • d表示对本域按照字典顺序排序（即，只考虑空白和字母）。
  • f表示对本域忽略大小写进行排序。
  • i表示忽略“不可打印字符”，只针对可打印字符进行排序。（有些ASCII就是不可打印字符，比如\a是报警，\b是退格，\n是换行，\r是回车等等）

再说说”跨列“的事，既然k选项可以设定 FStart 和 FEnd，是否可以将两个列合起来比较呢？比如说有这么一个文件：

1
2
3
4
5
➜  linux_cmd cat seq3.txt
2 100 200
1 101 300
5 101 200
4 100 300

这样来排序：

1
2
3
4
5
➜  linux_cmd sort -k 2.2n,3.1n seq3.txt
2 100 200
4 100 300
1 101 300
5 101 200

按理说，”5 101 200“应该比”1 101 300“小才对啊，其实这里有一个坑，跨列是不存在的，当比较完第2列后，就自动去比较第1列了。。。值得注意。