(en_US.UTF-8 ロケールで予期しないソート順序が発生しました。UTFソートの基本説明)
次のテストシナリオを考えてみましょう。
# touch abc{.{g,t,t.t},@.s,-{s-w,t.c}}
# LC_COLLATE="en_US.UTF-8" ls -l test
total 0
-rw-r--r-- 1 root root 0 May 8 08:52 abc.g
-rw-r--r-- 1 root root 0 May 8 08:52 [email protected]
-rw-r--r-- 1 root root 0 May 8 08:52 abc-s-w
-rw-r--r-- 1 root root 0 May 8 08:52 abc.t
-rw-r--r-- 1 root root 0 May 8 08:52 abc-t.c
-rw-r--r-- 1 root root 0 May 8 08:52 abc.t.t
私は「すべてのドット」または「すべてのマイナス記号」が最初にソートされると思いましたが、結果は興味深いブレンドのようです。使用されたパッケージは
coreutils-8.25-13.7.1.x86_64
glibc-2.22-100.8.1.x86_64
glibc-locale-2.22-100.8.1.x86_64
LC_COLLATE=POSIX
「正しい」ソートを使用した結果:
# ls -l test
total 0
-rw-r--r-- 1 root root 0 May 8 08:52 abc-s-w
-rw-r--r-- 1 root root 0 May 8 08:52 abc-t.c
-rw-r--r-- 1 root root 0 May 8 08:52 abc.g
-rw-r--r-- 1 root root 0 May 8 08:52 abc.t
-rw-r--r-- 1 root root 0 May 8 08:52 abc.t.t
-rw-r--r-- 1 root root 0 May 8 08:52 [email protected]
いくつかの詳細:
# locale -k LC_COLLATE
collate-nrules=0
collate-rulesets=""
collate-symb-hash-sizemb=0
collate-codeset="ANSI_X3.4-1968"
# LC_COLLATE="en_US.UTF-8" locale -k LC_COLLATE
collate-nrules=4
collate-rulesets=""
collate-symb-hash-sizemb=2707
collate-codeset="UTF-8"
詳細なトレースやデバッグメッセージのようにソートを「説明」する方法はありますか?コマンドである必要はありませんが、ls
いくつかの簡単なデモコードも機能します。
LC_COLLATE
少し「より伝統的な」UTF-8の安全な代替手段はありますか?つまり、LC_COLLATE=POSIX
安全に使えますか?