对具有不均匀空格的空格分隔列表进行排序

Posted 2023-03-24

【中文标题】对具有不均匀空格的空格分隔列表进行排序

【英文标题】：Sorting a space delimited list with uneven spaces

【发布时间】：2021-12-19 02:35:08

【问题描述】：

我有一个以空格分隔的列表，其中 将 是第一列的空格数量不均匀。我想按字符串后面出现的第一个数字对它进行反向排序。我需要使用 bash 命令来执行此操作。

例子：

Pontiac Firebird 19.0 6 250.0 100.0 3282. 15.0 71 US
Pontiac J2000 SE Hatchback 31.0 4 112.0 85.00 2575. 16.2 82 US
Oldsmobile Delta 88 Royale 12.0 8 350.0 160.0 4456. 13.5 72 US
Oldsmobile Omega 11.0 8 350.0 180.0 3664. 11.0 73 US
AMC Gremlin 20.0 6 232.0 100.0 2914. 16.0 75 US
AMC Gremlin 21.0 6 199.0 90.00 2648. 15.0 70 US
Pontiac Lemans V6 21.5 6 231.0 115.0 3245. 15.4 79 US

会变成：

Oldsmobile Omega 11.0 8 350.0 180.0 3664. 11.0 73 US
Oldsmobile Delta 88 Royale 12.0 8 350.0 160.0 4456. 13.5 72 US
Pontiac Firebird 19.0 6 250.0 100.0 3282. 15.0 71 US
AMC Gremlin 20.0 6 232.0 100.0 2914. 16.0 75 US
AMC Gremlin 21.0 6 199.0 90.00 2648. 15.0 70 US
Pontiac Lemans V6 21.5 6 231.0 115.0 3245. 15.4 79 US
Pontiac J2000 SE Hatchback 31.0 4 112.0 85.00 2575. 16.2 82 US

我试过sort -nr 来看看会发生什么，它会对列表进行反向排序，但相对于它的字母顺序。我想根据所有值进行排序。

诀窍是我必须用空格分隔。使用 bash 执行此操作的最佳方法是什么？

【问题讨论】：

您的意思是要对第一个全数字字段（可能包含小数）进行排序？所以你忽略了V6中的6，你忽略了J2000中的2000，对吧？如果“第一个全数字字段”中有重复项，我们应该怎么做，即是否有二级/三级字段用于排序？

@markp-fuso 是的，准确地说。如果“第一个全数字字段”中有重复项，我会假设我可以将这些重复项按任何顺序排列。

您确定“第一个全数字字段”标准有效吗？因为在Oldsmobile Delta 88 Royale 12.0 8 ... 行中，那是“88”，而不是“12.0”。

鉴于第一个以空格分隔的字符串是汽车模型，并且您需要高级排序功能，为什么不说服您的团队以可识别的结构化格式（如 CSV 或 TSV）存储这些数据？有人可能会花几分钟时间给你答案，但这些答案不太可能通过大量输入值的压力测试。

【参考方案1】：

我必须用空格分隔

你的意思是，结果必须再次用空格分隔，对吗？在处理过程中，您可以随意变换输入。

假设您知道文件中永远不会出现的字符，请使用 sed 按该字符分隔要排序的值，然后按该值排序，然后再次删除其他分隔符。 （这个过程基本上就是一个Schwartzian transform。）

这里我们使用铃铛字符\a 来分隔key 进行排序。该字符不太可能出现在文本文件中。

sed -E 's/ ([0-9]+\.[0-9]+) / \a\1\a /' | sort -t $'\a' -k2,2n | tr -d \\a

【讨论】：

我认为运算应该以防错格式存储数据。

【参考方案2】：

这是一个简短的 ruby​​ 程序：

ruby -e '
    puts IO.readlines(ARGV.shift, chomp: true)
        .map |line|
            fields = line.split
            [fields[0..(fields.size - 9)].join(" ")] + fields[-8 .. -1]
        
        .sort_by |row| row[1]
        .map |row| row.join(" ")
        .join("\n")
' file

【参考方案3】：

我将为此使用 GNU AWK，如下所示，让 file.txt 内容为

Pontiac Firebird 19.0 6 250.0 100.0 3282. 15.0 71 US
Pontiac J2000 SE Hatchback 31.0 4 112.0 85.00 2575. 16.2 82 US
Oldsmobile Delta 88 Royale 12.0 8 350.0 160.0 4456. 13.5 72 US
Oldsmobile Omega 11.0 8 350.0 180.0 3664. 11.0 73 US
AMC Gremlin 20.0 6 232.0 100.0 2914. 16.0 75 US
AMC Gremlin 21.0 6 199.0 90.00 2648. 15.0 70 US
Pontiac Lemans V6 21.5 6 231.0 115.0 3245. 15.4 79 US

然后

awk 'BEGINFPAT="[0-9]*[.][0-9]*";PROCINFO["sorted_in"]="@ind_num_asc"arr[$1]=$0ENDfor(i in arr)print arr[i]' file.txt

输出

Oldsmobile Omega 11.0 8 350.0 180.0 3664. 11.0 73 US
Oldsmobile Delta 88 Royale 12.0 8 350.0 160.0 4456. 13.5 72 US
Pontiac Firebird 19.0 6 250.0 100.0 3282. 15.0 71 US
AMC Gremlin 20.0 6 232.0 100.0 2914. 16.0 75 US
AMC Gremlin 21.0 6 199.0 90.00 2648. 15.0 70 US
Pontiac Lemans V6 21.5 6 231.0 115.0 3245. 15.4 79 US
Pontiac J2000 SE Hatchback 31.0 4 112.0 85.00 2575. 16.2 82 US

解释：我通知 GNU AWK 该字段是 0 位或更多位，后跟文字点 ([.])，后跟 0 位或更多位（注意：我假设第一个数字中总会有点，而不是点在带有名称的列中）并且该数组遍历应该是视为Predefined Array Scanning Orders之一。对于每一行，我添加到数组对中，键是第一个数字 ($1)，值是整行 ($0)。在遍历所有行后，我 print 来自数组 arr 的值，其顺序观察选定的数组遍历。

（在 gawk 4.2.1 中测试）