Linux命令：sort

Posted 2020-08-13

sort命令简介：

sort是常用的一个命令，管排序的，可以帮助我们排序，而且可以根据不同的数据类型进行排序。

1．命令格式：

sort [OPTION]... [FILE]...
  sort [OPTION]... --files0-from=F

2．命令功能：

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。

3．命令参数：

    -n：数值排序

    -r: 降序

    -t: 字段分隔符

    -k: 以哪个字段为关键字进行排序

    -u: 排序后相同的行只显示一次

    -f: 排序时忽略字符大小写，转换为大写字母来进行比较

    -c: 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: 检查文件是否已排好序，如果乱序，不输出内容，仅返回1

    -M: 以月份来排序，比如JAN小于FEB等等

    -b: 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。

4．命令实例：

实例一：sort -u seq.txt 输出行中去除重复行,排序后相同的行只显示一次

    [[email protected] tmp]# cat seq.txt

    banana
    apple
    pear
    orange
    pear
    [[email protected] tmp]# sort seq.txt
    apple
    banana
    orange
    pear
    pear
    [[email protected] tmp]# sort -u seq.txt
    apple
    banana
    orange
    pear

 由于重复被-u选项删除pear了。

实例二：sort -r number.txt 输出行改成降序，默认的排序方式是升序

    [[email protected] tmp]#cat number.txt

    1
    3
    5
    2
    4
    [[email protected] tmp]#sort number.txt
    1
    2
    3
    4
    5
    [[email protected] tmp]# sort -r number.txt
    5
    4
    3
    2
    1

实例三：sort的-o选项

   sort默认是把结果输出到标准输出，所以需要用重定向才能将结果写入文件，

但是，如果你想把排序结果输出到原文件中，用重定向可就不行。

    [[email protected] tmp]# sort -r number.txt > number.txt
    [[email protected] tmp]# cat number.txt
    [[email protected] tmp]#                ***number被清空了***

把排序结果输出到原文件中，需要使用-o选项。这也是-o比重定向的唯一优势所在。

    [[email protected] tmp]# cat number.txt
    1
    3
    5
    2
    4
    [[email protected] tmp]# sort -r number.txt -o number.txt
    [[email protected] tmp]# cat number.txt
    5
    4
    3
    2
    1

实例四：sort的-n选项

    有没有遇到过10比2小的情况，出现这种情况是由于排序程序将这些数字按字符来排序了，

排序程序会先比较1和2，显然1小，所以就将10放在2前面喽。

    默认是单字符比较，要以数值来排序，就要使用-n选项。

    [[email protected] tmp]#cat number.txt
    1
    10
    19
    11
    2
    5
    [[email protected] tmp]#sort number.txt
    1
    10
    11
    19
    2
    5
    [[email protected] tmp]# sort -n number.txt
    1
    2
    5
    10
    11
    19

实例五：sort的-t选项      （blank transition空白过度）

   sort的-k选项     （--key）

    [[email protected] tmp]# cat facebook.txt
    banana:30:5.5
    apple:10:2.5
    pear:90:2.3
    orange:20:3.4

   利用sort实现以第二列来排序

    [[email protected] tmp]# sort -n -k 2 -t : facebook.txt
    apple:10:2.5
    orange:20:3.4
    banana:30:5.5
    pear:90:2.3

实例六：sort的-n  -k多次使用

    第3项降序排序，若第3项相同，则按照第2项升序排序：

    [[email protected] tmp]# sort -t ‘ ‘ -k 3nr -k 2n facebook.txt
    baidu 100 5000
    google 110 5000
    sohu 100 4500
    guge 50 3000

    在-k 3后面偷偷加上了小写字母r，表示逆序排列。

     -n选项，可放在最前面，也可将它加入到了每一个-k选项中了。

实例七：-k选项的具体语法格式

    语法格式：[ FStart [ .CStart ] ] [ Modifier ] [ , [ FEnd [ .CEnd ] ][ Modifier ] ]

    这个语法格式可以被其中的逗号（“，”）分为两大部分，Start部分和End部分。

    先给你灌输一个思想，那就是“如果不设定End部分，那么就认为End被设定为行尾”。

   Start部分也由三部分组成，其中的Modifier部分就是我们之前说过的类似n和r的选项部分。

   C.Start也是可以省略的，省略的话就表示从本域的开头部分开始。

   FStart.CStart，其中FStart就是表示使用的域，而CStart则表示在FStart域中从第几个字符开始算“排序首字符”。

   同理，在End部分中，你可以设定FEnd.CEnd，如果你省略.CEnd，则表示结尾到“域尾”，

即本域的最后一个字符。或者，如果你将CEnd设定为0(零)，也是表示结尾到“域尾”。

  eg1.从公司英文名称的第二个字母开始进行排序：

    [[email protected] tmp]# sort -t ‘ ‘ -k 1.2 facebook.txt
    baidu 100 5000
    sohu 100 4500
    google 110 5000
    guge 50 3000

    -k 1.2，表示对第一个域的第二个字符开始到本域的最后一个字符为止的字符串进行排序。

    baidu因为第二个字母是a而名列榜首。sohu和 google第二个字符都是o，但sohu的h在google的o前面，所以两者分别排在第二和第三。guge只能屈居第四了。

  eg2.只针对公司英文名称的第二个字母进行排序，如果相同的按照员工工资进行降序排序：

    [[email protected] tmp]#  sort -t ‘ ‘ -k 1.2,1.2 -k 3,3nr facebook.txt
    baidu 100 5000
    google 110 5000
    sohu 100 4500
    guge 50 3000

    由于只对第二个字母进行排序，所以我们使用了-k 1.2,1.2的表示方式，

   表示我们“只”对第二个字母进行排序。

   （如果你问“我使用-k 1.2怎么不行？”，当然不行，因为你省略了End部分，这就意味着你将对从第二个字母起到本域最后一个字符为止的字符串进行排序）。

   对于员工工资进行排序，我们也使用了-k 3,3，这是最准确的表述，表示我们“只”对本域进行排序，因为如果你省略了后面的3，就变成了我们“对第3个域开始到最后一个域位置的内容进行排序” 了。

  eg3.在modifier部分还可以用到可以用到b、d、f、i、n 或 r选项

   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）

  eg4.思考思考关于-k和-u联合使用的例子：

    [[email protected] tmp]# cat facebook.txt
    google 110 5000
    baidu 100 5000
    guge 50 3000
    sohu 100 4500

    以上为最原始的facebook.txt文件

    [[email protected] tmp]# sort -n -k 2 facebook.txt
    guge 50 3000
    baidu 100 5000
    sohu 100 4500
    google 110 5000

    [[email protected] tmp]# sort -n -k 2 -u facebook.txt
    guge 50 3000
    baidu 100 5000
    google 110 5000

      当设定以公司员工域进行数值排序，然后加-u后，sohu一行就被删除了！

    原来-u只识别用-k设定的域，发现相同，就将后续相同的行都删除。

    [[email protected] tmp]# sort  -k 1 -u facebook.txt
    baidu 100 5000
    google 110 5000
    guge 50 3000
    sohu 100 4500

    [[email protected] tmp]# sort  -k 1.1,1.1 -u facebook.txt
    baidu 100 5000
    google 110 5000
    sohu 100 4500

    这个例子也同理，开头字符是g的guge就没有幸免于难。

    [[email protected] tmp]# sort -n -k 2 -k 3 -u facebook.txt
    guge 50 3000
    sohu 100 4500
    baidu 100 5000
    google 110 5000

    这里设置了两层排序优先级的情况下，使用-u就没有删除任何行。

    原来-u是会权衡所有-k选项，将都相同的才会删除，只要其中有一级不同都不会轻易删除的

  eg5.最诡异的排序：

    [[email protected] tmp]# sort -n -k 2.2,3.1 facebook.txt
    guge 50 3000
    baidu 100 5000
    sohu 100 4500
    google 110 5000

    以第二个域的第二个字符开始到第三个域的第一个字符结束的部分进行排序。

    第一行，会提取0 3，第二行提取00 5，第三行提取00 4，第四行提取10 5。

    又因为sort认为0小于00小于000小于0000….

    因此0 3肯定是在第一个。10 5肯定是在最后一个。但为什么00 5却在00 4前面呢？

    答案揭晓：原来“跨域的设定是个假象”，sort只会比较第二个域的第二个字符到第二个域的最后一个字符的部分，而不会把第三个域的开头字符纳入比较范围。当发现00和00相同时，sort就会自动比较第一个域去了。当然baidu在sohu前面了。

    用一个范例即可证实：

    [[email protected] tmp]# sort -n -k 2.2,3.1 -k 1,1r facebook.txt
    guge 50 3000
    sohu 100 4500
    baidu 100 5000
    google 110 5000

  eg6. 有时候在sort命令后会看到+1 -2这些符号，这是什么东东？

    解释：On older systems, `sort’ supports an obsolete origin-zero syntax `+POS1 [-POS2]‘ for specifying sort keys.  POSIX 1003.1-2001 (*note Standards conformance::) does not allow this; use `-k’ instead.

    原来，这种古老的表示方式已经被淘汰了，以后可以理直气壮的鄙视使用这种表示方法的脚本喽！

    为了防止古老脚本的存在，在这再说一下这种表示方法，加号表示Start部分，减号表示End部分。最最重要的一点是，这种方式方法是从0开始计数的，以前所说的第一个域，在此被表示为第0个域。以前的第2个字符，在此表示为第1个字符。