骏马金龙 阅读(85) 评论(0)

说明:

(1).本手册只挑选了有用的信息进行翻译,如要查看完完整整的内容,请自行info sort。

(2).译文中,在括号中使用了"注"的,为本人所加,非原文内容,助于理解和说明。

(3).本文的sort命令为CentOS 7.2上的,版本为sort (GNU coreutils) 8.22,有些选项在CentOS 6上可能不支持,如"--debug"。

(4).在没搞懂sort处理字段和排序机制时,强烈建议不要看man sort。

7.1 'sort': Sort text files
===========================

sort命令用于排序、合并或比较给定文件(可给定多个)的所有行,如果没有给
定输入文件或输入文件为"-",则读取标准输入。默认情况下,sort将操作结
果打印在标准输出中。语法:

     sort [OPTION]... [FILE]...

sort有3种操作模式:排序(默认)、合并以及检查是否已经排过序。使用以下3
个选项改变操作模式:

'-c'
'--check'
'--check=diagnose-first'
     检查给定文件是否已经排序过:如果检测出未排序,将输出诊断信息并以
     状态码1退出,该诊断信息中包含第一个乱序的行。否则以成功状态退出。
     最多只能给定一个检测文件。

'-C'
'--check=quiet'
'--check=silent'
     它类似于"-c",但不会输出诊断信息。如果文件已排序,则以成功状态退
     出,否则以状态码1退出。最多只能给定一个文件。

'-m'
'--merge'
     合并多个文件,每个输入文件必须已经排序。合并时将根据已排序的结果
     合并为各个组。sort一般都用来排序,但仍然提供合并功能,因为它的合
     并速度很快。

sort排序规则为:按照命令行中给定的字段顺序对给定的字段进行排序,排序时
根据为每个字段分配的排序选项进行排序,直到发现不同的排序选项或者排序列
结束。如果没有给定排序key(注:key即为-k指定的值),则对整行进行排序。最
后,如果所有给定的key的比较结果都相等时,将对整行进行完全默认的排序
(注:即以字母升序排序),但"-r"可以改变这次的升、降序结果。这次排序称为
"最后的排序"。使用"-s"选项可以禁止"最后的排序",使得那些排序结果相同的
行保留最初的相对顺序。"-u"选项同样也会禁止"最后的排序"。

除非明确指定,否则所有的比较都按照"LC_COLLATE"指定的字符集的排序规则进
行排序。

退出状态码:

     0 没有任何错误发生时
     1 如果"-c"或"-C"检测发现输入数据未排序时
     2 发生了错误时

如果设置了环境变量"TMPDIR",sort将使用它作为临时目录而不是默认的"/tmp"。
"-T"选项将覆盖该环境变量设置的值。

以下选项影响排序的输出结果。它们既可以指定为全局选项,也可以作为key的
一部分。如果未指定任何key,则全局选项将作用于整行,否则指定的key将继承
全局选项,除非key自身也指定了选项(注:自身指定了选项的key将覆盖全局选
项)。为了考虑可移植性,建议将全局选项指定在"-k"(或"--key")的前面。

'-b'
'--ignore-leading-blanks'
     忽略key的前导空白符号(包括空格、制表符)。不给定该选项时,空白符号
     对"-k"选项指定字符位置有影响(注:例如"-k 2.2"指定的第2个字符可能是
     空白)。

'-f'
'--ignore-case'
     将小写字符当作大写字符。例如,"b"和"B"是相等的。当和"-u"选项一起
     使用时(注:重复的行只能输出一次),那些小写字符的等价行会被丢弃
     (注:也就是说,输出的是大写字符行)。(目前没有任何方法可以抛弃大写
     字符的等价行,即使使用"-r"也不行,因为在任何时候,"-r"选项都只是
     反转最终的排序结果,不会影响排序过程)。

'-h'
'--human-numeric-sort'
'--sort=human-numeric'
     对文件大小格式进行排序。首先对正负性排序(正数>0>负数),再对大小后
     缀排序(0<k=K<M<G<T...),最后对数值排序。它不在乎转换精度是1000还是
     1024,因为它总会自动不断扩大到最接近的后缀(注:例如999M和1G比较时
     将以1000作为转换单位,1023M和1G比较时将以1024作为转换单位)。

'-M'
'--month-sort'
'--sort=month'
     按字符格式的月份进行排序。
     An initial string, consisting of any amount of blanks, followed by
     a month name abbreviation, is folded to UPPER case and compared in
     the order 'JAN' < 'FEB' < ... < 'DEC'.  Invalid names compare low
     to valid names. 

'-n'
'--numeric-sort'
'--sort=numeric'
     按数值排序。空字符串""或"\0"被当作无。数值排序是精确排序,不会四舍五入
     后排序。

     (
     注:数值排序和默认的排序规则所不同的是,当key中遇到非数学字符时,
     如空白、字母、特殊字符等,将直接结束排序(在sort内部认为找不到匹配
     值)。也就是说,"-k 2"和"-k 2n"不同,虽然这两个key都会扩展到行尾,
     前者会从第二个字段一直按字符集顺序比较到行尾,而后者可能只对第2
     字段匹配,因为第二字段和第三字段中间可能有特殊符号,导致数值排序
     直接结束。

     因此,对于"abc 100 200"这样的输入,指定"-k 2n"时,该key为"100 200",
     但由于中间包含了空白,使得该key的排序在第二字段就结束。
     如果是"abc 100\0200 200","-k 2n"在排序时,虽然看上去是100200,但
     却只对100进行排序,也就是说,如果此时另有一行第2字段值为110,看上
     去很大的100200将小于110。测试语句:
     echo -e "b 100:200 200\na 110 300" | tr ':' '\0' |\
sort -t ' ' -k2n -k1 因此,对于"-n"来说,它绝对不可能跨越key的边界。但默认的排序规则 会跨越key起作用。 ) '-r' '--reverse' 反转比较的结果,使得结果中更大的key更早出现。 (注:"-r"不会改变排序行为,而是将排序结束后的输出结果进行反转 处理,因此只影响排序结束后的输出结果) '-k POS1[,POS2]' '--key=POS1[,POS2]' 指定排序的key,即每行排序的起始和终止字段(若省略POS2,则终止位置为 行尾)。 POS的格式为"F[.C][OPTS]",其中F表示字段的序号,C表示该字段中字符 的序号。字段和字符的位置都从1开始计算。如果POS2的字符位置指定为 0,则表示POS2字段中的最后一个字符。如果POS1中省略".C",则默认值 为1(字段的起始字符),如果POS2中省略".C",则默认值为0(字段的终止 字符)。OPTS为排序选项,这些选项将覆盖全局选项,使得该key可以按照 独立的排序选项进行排序。keys可以跨多个字段。 (注:OPTS指定在POS1和POS2的作用是一样的,因为一个"-k"指定一个key, 无论是POS1还是POS2中的OPTS都是对这个key有效,但"b"选项除外,见下文) 示例:为了排序第二个字段,使用"--key=2,2"(-k 2,2)。可使用"--debug" 选项帮助查看、分析和决定每行中被用于排序的字段。 '--debug' 显示每行中用于排序的部分。还会给出额外的信息。 '-o OUTPUT-FILE' '--output=OUTPUT-FILE' 将排序的输出结果写入到OUTPUT-FILE中。一般来说,sort在打开OUTPUT FILE前读取完所有输入因此可以安全地将排序结果保存到输入文件中, 就像"sort -o file1 file1"和"cat file1 | sort -o file1"一样。但是, "-m"选项会在读取输入前先打开输出文件,因此下面的语句是不安全的 语句:"cat file1 | sort -m -o file1 -"。 '-s' '--stable' 禁止sort执行"最后的排序"。在没有指定字段选项或全局选项时,该选 项将不起作用,除非指定的是"-r"选项。 (注:最后的排序:在key的比较结果相同时,sort的最后手段是对整行 再进行一次完全默认的排序,即按照字母、升序对整行做最后排序。这 称为"最后的排序"。如果未指定任何选项,其本身就是完全默认的,因 此没必要再做最后的排序。如果指定的是"-r"选项,由于"-r"是对最终 结果进行反转排序,因此会影响这次的"最后的排序"的结果) '-t SEPARATOR' '--field-separator=SEPARATOR' 当在每行中搜索key的时候,使用SEPARATOR字符作为字段的分隔符。默认 情况下,字段是由空白字符和非空白字符之间的空字符串分割而来的。 因此,如果输入行为" foo bar",默认将切分为两个字段" foo"" bar", (注:空白和非空白字符之间的空字符为行开头和"oo"后的位置)。字段分 隔符不是分隔后字段中的内容,因此"sort -t ' '"" foo bar"分隔时, 将分割为3个字段:空字段、"foo""bar"但是,每个单独的字段都是扩 展到行结尾的,就像"-k 2",或像"-k 2,3"包含了范围的字段,它们都在扩 展的时候保留字段分隔符。 (注:以sort -t ' '为例,"-k 2"实际上表示的是"foo bar",它扩展到 行尾,且中间的字段分隔符被保留。而"-k 1,2"实际上表示的是" foo", 因为明确指定了这个key到第二个字段结束,但中间的字段分隔符仍保留) 如果要指定字段分隔符为空,则使用"\0",例如"sort -t '\0'" '--parallel=N' 设置sort运行的并行线程数为N。默认,N设置为可获得的cpu个数,但最大 限制为8,因为超过8之后带来的性能收益递减。 '-u' '--unique' 一般情况下,"-u"将仅输出排序后重复行的第一行。 该选项会禁止"最后的排序"(注:见前文译文)。 "sort -u"和"sort | uniq"是等价的,但扩展了更多选项后将可能不等价, 例如,"sort -n -u"只会检查数值部分的唯一性,但"sort -n | uniq"在 sort对行的数值排序后,uniq将检查整个行的唯一性。 '-z' '--zero-terminated' 使用"\0"分割每行而不是使用换行符。 "-k"指定的key后面可以指定"bfhgnr"等选项,这种情况下,该key将不会继承 全局选项。除了"b"选项,所有的选项都作用于整个key,无论该选项是写在POS1 还是POS2上。如果指定了"b"选项,它仅独立作用于POS1或POS2上,但如果继承 了全局的"-b",则会作用于整个key上。如果输入行中包含了前导空白字符, 且没有使用"-t"选项,"-k"通常会结合"-b"或某些隐含了忽略前导空白字符的 选项(ghn)一起使用,否则前导空白字符可能会导致划分的字段非常混乱。 如果POS中指定的字段或字符位置超出了行尾或字段,则该key为空。如果指定了 "-b"选项,".C"部分将从字段的第一个非空白字符开始计算。 以下是一些示例,用于说明不同选项的结合使用: * 按数值排序,并降序(reverse) sort -n -r * 按字母排序,忽略第一和第二字段,且忽略第三字段的前导空白。此处 使用了单个key,该key从第三字段非空白字符开始,一直扩展到行的结尾。 这一整个key都采用字母排序。 sort -k 3b * 对第二字段按数值排序,并通过指定第五字段的第3、4字符间按字母排序 来解除按数值排序的规则。使用":"作为字段分隔符。 sort -t : -k 2,2n -k 5.3,5.4 (注:任何时候,只想对某字段进行排序时,都建议明确指定其起始和结束位置) 注意,如果写的是"-k 2n"而不是"-k 2,2n",该key将从第二字段一直扩展 到行尾,这是主排序key,而副排序key"-k 5.3,5.4"在主排序key的排序基 础上再按照字母排序。绝大多数情况下,让key向后扩展一般不是所期望的 行为。 还需注意,"n"选项作用范围为第一个key。这等价于"-k 2n,2"或"-k 2n,2n"。 所有的修饰符,除了"-b",无论写在pos1还是pos2,都会作用于整个key。 ( 注:由于n选项无法跨越key,因此上面即使写成了"-k 2n"也是等价的,但下 面两个命令则不一样: sort -t : -k 2 -k 5.3,5.4n sort -t : -k 2,2 -k 5.3,5.4n 由于默认的字符集排序规则会跨越key,第一条命令中主key从第2字段开始, 直到行尾结束,于是会先对整个key按字符排序,然后在此基础上再对副key 按数值排序。 再如下面的例子: sort -t : -k 5n -k 2 即使主key的字段在副key的字段后面,副key由于是做字符集排序,所以仍 会跨越主key。 ) * 对/etc/passwd文件的第5字段排序,并忽略前导空白。如果第5字段排序 结果相等,则进一步按数值对第3字段的uid进行排序。字段分隔符为":"。 sort -t : -k 5b,5 -k 3,3n /etc/passwd sort -t : -n -k 5b,5 -k 3,3 /etc/passwd sort -t : -b -k 5,5 -k 3,3n /etc/passwd 以上三个命令是等价的。第一个命令指定了第一个key的POS1要忽略前导 空白,且第二个key要按照数值排序。另外两个命令中,缺少选项的key将继 承全局选项。此处继承之所以能正确工作,是因为"-k 5b,5b"和"-k 5b,5"是 等价的。 * 对一系列日志文件进行排序,主排序key为IPv4,副排序key为时间戳。如果 两行的主、副key都完全一致,则按照文件被读取时的相对顺序输出。日志 文件包含的行格式大致如下: 4.150.156.3 - - [01/Apr/2004:06:31:51 +0000] message 1 211.24.3.231 - - [24/Apr/2004:20:17:39 +0000] message 2 使用单个空格可以精确分割这些字段。IPV4地址列按照字典顺序排序,例如 212.61.52.2小于212.129.233.201,因为61小于129。 sort -s -t ' ' -k 4.9n -k 4.5M -k 4.2n -k 4.14,4.21 file*.log | sort -s -t '.' -k 1,1n -k 2,2n -k 3,3n -k 4,4n 该示例无法仅使用一个sort语句实现,因为IPV4地址需要使用"."分隔,而 时间戳需要使用空格分隔。因此,使用两个sort语句:第一个sort语句按照 时间戳排序,第二个语句按照IPV4排序。第一个sort命令中使用"-k"将每个 字段进行隔离,先按照年排序,再按照月份排序,接着是日,最后对 "时:分:秒"排序。除了"时:分:秒"这个key,其余的key都没必要指定key的结 束位置,因为"n"和"M"选项作用范围不能跨域每个key的左边界。第二个sort 命令是对ipv4地址按照字典顺序排序的。第二个sort语句中使用了"-s"选项, 以防止主排序key的关系被副排序key破坏,第一个sort语句中使用"-s"选项是 为了保证两个sort语句在"-s"属性上的一致性。

       (注:由于n选项无法跨越key边界和非数学字符,因此上面第二个sort命令和
       下面的命令是等价的:
       sort -s -t '.' -n -k1 -k2 -k3 -k4 )

 

回到系列文章大纲:http://www.cnblogs.com/f-ck-need-u/p/7048359.html

转载请注明出处:http://www.cnblogs.com/f-ck-need-u/p/7439878.html

注:若您觉得这篇文章还不错请点击下右下角的推荐,有了您的支持才能激发作者更大的写作热情,非常感谢!