☰

ソートでは、行を正しくソートするためにパイプ "|" を使用しません。

tag-icon • tag-icon sort
ソートでは、行を正しくソートするためにパイプ "|" を使用しません。

単純なパイプで区切られたデータをソートしようとしています。しかし、ソートは実際にはソートではありません。ヘッダー行は一番下に移動しますが、241 で始まる 2 行が 24 で始まる行に分割されます。

cat sort_fail.csv
column_a|column_b|column_c
241|212|20810378
24|121|2810172
241|213|20810376

sort sort_fail.csv
241|212|20810378
24|121|2810172
241|213|20810376
column_a|column_b|column_c

列ヘッダーはファイルの一番下に移動するため、ソートがそれを処理することは明らかです。しかし、実際の値が期待どおりに並べ替えられません。

この場合、問題を解決しました。

sort sort_fail.csv --field-separator='|' -k1,1

しかし、私はこれが必要だとは思わない。ソートがソートされないのはなぜですか？

答え1

sortロケールを認識するので、LC_COLLATE設定（LANGから継承されます）によって異なる結果が得られます。

$ LANG=C sort sort_fail.csv 
241|212|20810378
241|213|20810376
24|121|2810172
column_a|column_b|column_c

$ LANG=en_US sort sort_fail.csv
241|212|20810378
24|121|2810172
241|213|20810376
column_a|column_b|column_c

呼び出すロケールが何であるかわからないため、結果が異なる可能性があるため、スクリプトに問題が発生する可能性があります。

スクリプトが必要な設定を適用することはまれではありません。

例えば

$ grep 'LC.*sort' /bin/precat
      LC_COLLATE=C sort -u | prezip-bin -z "$cmd: $2"

もう興味深いのは、この|キャラクターが奇妙に見えるということです。

ただし、これはen_US（ISOから派生した）の基本規則が次のようになるためです。

$ grep 007C /usr/share/i18n/locales/iso14651_t1_common
<U007C> IGNORE;IGNORE;IGNORE;<j> # 142 |

つまり、|役割は無視されるそして、ソート順はまるでキャラクターが存在しないようです。

$ tr -d '|' < sort_fail.csv | LANG=C sort
24121220810378
241212810172
24121320810376
column_acolumn_bcolumn_c

これは表示された「予期しない」ソートと一致します。

回避策は、-n数値の並べ替えを強制的に使用するか、以前と同じようにフィールド区切り文字を使用するか、ロケール設定を使用することですC。

答え2

残念なことは、24それらの間の位置では動かないことです241。 2番目のフィールドはで始まります1。42番目のフィールドで先行ソートしようとすると24下に移動するため、特に明記しない限りsort無視されるようです。|頑張ってsort -n...

答え3

-n, --numeric-sort 文字列数値を基準に比較

210
23

-n がないと、テキストの 210 が私の文字であるため、23 より先になります。

関連情報