Linux sort 文本排序的艺术

sort^[1] 命令是 Linux/Unix 系统中用于对文本文件内容进行排序的强大工具。它支持多种排序规则（字母序、数值序、版本序等），可以按指定字段排序，并支持合并已排序文件、检查排序状态等功能。

基本功能:

• 排序：将文本内容按照指定规则重新排列
• 合并：将多个已排序的文件合并成一个有序文件
• 检查：检查文件是否已经排序

基本语法:

sort [选项] [文件]

如果没有指定文件，sort 会从标准输入读取数据，这在管道操作中特别有用。

一、快速入门

让我们从最简单的例子开始。假设我们有一个文件 names.txt，内容如下：

CharlieAliceBobDavid

1. 默认排序（字母顺序）

sort names.txt

输出：

AliceBobCharlieDavid

发生了什么？

• sort 默认按照字母顺序（字典序）升序排列
• 每行作为一个整体进行比较
• 排序结果输出到标准输出

2. 保存排序结果

sort names.txt > sorted_names.txt

或者使用 -o 选项：

sort names.txt -o sorted_names.txt

3. 处理多个文件

sort file1.txt file2.txt > combined_sorted.txt

这会将两个文件的内容合并后一起排序。

4. 理解排序规则

sort 默认使用本地语言环境（locale）的排序规则。但有一个重要的例外：它区分大小写。

重要概念：在 ASCII 码表中：

• 数字 0-9：48-57
• 大写字母 A-Z：65-90
• 小写字母 a-z：97-122

这意味着：

• 'A' (65) < 'Z' (90) < 'a' (97) < 'z' (122)
• 'Apple' < 'Zebra' < 'apple' < 'zebra'

创建文件 test.txt：

appleZebraApplezebra1apple10apples2apples

运行：

sort test.txt

结果如下：

10apples1apple2applesAppleZebraapplezebra

二、常用选项详解

1. 数值排序：-n 选项

当处理包含数字的数据时，我们需要使用数值排序：

# 默认排序（字符串排序）$ echo -e "10\n2\n30" | sort10230# 数值排序$ echo -e "10\n2\n30" | sort -n21030

2. 逆序排序：-r 选项

按相反顺序排列：

$ echo -e "10\n2\n30" | sort -nr30102

3. 不区分大小写：-f 选项

默认情况下：

$ sort << EOFApplebananaappleBananaEOF# 输出AppleBananaapplebanana

忽略大小写差异：

sort -f << EOFApplebananaappleBananaEOF# 输出AppleappleBananabanana

4. 去重：-u 选项

只保留唯一的行：

sort -uf << EOFApplebananaappleBananaEOF# 输出Applebanana

5. 检查是否已排序：-c 选项

这在脚本中很有用：

if sort -c file.txt; thenecho"文件已排序"elseecho"文件未排序"fi

静默版本（只返回状态码，不输出错误信息）：

sort -C file.txt

三、按列排序

这是 sort 最强大的功能之一。我们先准备一个示例文件 students.txt：

Alice 25 90Bob 30 85Charlie 8 95David 28 88

三列分别对应 name, age, score。

1. 按指定列排序

# 按第2列（年龄）排序sort -k 2 students.txt

等等！这样排序正确吗？让我们看看输出：

Alice 25 90David 28 88Bob 30 85Charlie 8 95

正确的数值排序：

sort -k 2n students.txt

现在输出正确了：

Charlie 8 95Alice 25 90David 28 88Bob 30 85

--debug 选项可以清楚的看到排序依据的字段内容。

$ sort -k 2n --debug students.txtCharlie 8 95        _____________Alice 25 90      _____________David 28 88      _____________Bob 30 85    ___________

2. 理解 -k 选项的语法

-k 选项的完整语法格式为：

-k FStart[.CStart][opts][,FEnd[.CEnd][opts]]

常见用法示例：

# 按第2列数值排序sort -k 2n file.txt# 按第2列数值降序sort -k 2nr file.txt# 按第2列第3个字符开始排序sort -k 2.3 file.txt# 按第2列到第4列排序sort -k 2,4 file.txt# 按第2列第3个字符到第4列第5个字符sort -k 2.3,4.5 file.txt# 多级排序：先按第2列，再按第3列sort -k 2 -k 3 file.txt

重要规则：

• 如果省略结束位置，默认到行尾
• 字段选项（如 n、r）可以附加在字段后
• 多个 -k 选项按顺序应用（优先级递减）

另外，可以通过指定 --debug 选项来查看排序用的的字段值。

# 指定从第一列的第三个字符开始 至 第一列结束sort -k 1.3,1 --debug students.txtCharlie 8 95  _________________Bob 30 85  __________Alice 25 90  ______________David 28 88  ______________

如果不指定结束字段：

# 指定从第一列的第三个字符开始至行尾$ sort -k 1.3 --debug students.txtCharlie 8 95  ______________________Bob 30 85  ________________Alice 25 90  ____________________David 28 88  ____________________

3. 指定字段分隔符：-t 选项

默认分隔符是空白字符（空格或制表符）。如果是其他分隔符，需要明确指定：

# 逗号分隔的文件$ cat students.csvAlice,25,90Bob,30,85Charlie,22,95

# 按第3列（分数）数值排序$ sort -t ',' -k 3n students.csvBob,30,85Alice,25,90Charlie,22,95

通过 --debug 验证下 -t 选项：

$ sort -t ',' -k 3n --debug students.csvBob,30,85       ___________Alice,25,90         _____________Charlie,22,95           _______________

不指定 -t:

$ sort -k 3n --debug students.csvAlice,25,90           ^ no match for key___________Bob,30,85         ^ no match for key_________Charlie,22,95             ^ no match for key_____________

4. 多级排序

可以指定多个排序键，按优先级排序：

# 先按年龄降序，年龄相同再按成绩升序sort -k 2nr -k 3n students.txt

输出：

Bob 30 85David 28 88Alice 25 90Charlie 8 95

注意：排序选项（如 n、r）可以附加在字段后面，并且只影响该字段。

四、特殊类型的排序

1. 人性化数字排序：-h 选项

处理人类可读的大小格式（如 1K、2M、3G）：

cat sizes.txt1K2M500K1Gsort -h sizes.txt

输出：

1K500K2M1G

2. 月份排序：-M 选项

cat months.txtJanMarFebDecsort -M months.txt

输出：

JanFebMarDec

3. 版本号排序：-V 选项

这是处理软件版本号的利器：

cat versions.txt1.2.31.10.02.0.01.2.10sort -V versions.txt

输出：

1.2.31.2.101.10.02.0.0

注意：-n 无法正确处理版本号，因为它会把点当作小数点。

五、高级功能

1. 稳定排序：-s 选项

当两个记录的所有排序键都相等时，保持它们在原始文件中的相对顺序。

# 输入文件cat stable.txtAlice A 90Bob A 85Charlie B 90David B 85

# 使用稳定排序$ sort -s -k 2 stable.txtBob A 85Alice A 90David B 85Charlie B 90

2. 合并已排序文件：-m 选项

比重新排序快得多，但要求输入文件已排序：

sort -m sorted1.txt sorted2.txt

3. 处理包含空格的文件名

# 安全处理包含空格的文件名find . -name "*.txt" -print0 | sort -z | xargs -0 cat

六、性能优化技巧

1. 设置缓冲区大小

# 为大型文件分配更多内存sort -S 2G large_file.txt

2. 指定临时目录

当 /tmp 空间不足时：

sort -T /mnt/big_disk/temp/ huge_file.txt

3. 使用多线程

# 使用4个线程并行排序sort --parallel=4 big_file.txt

4. 压缩临时文件

# 使用gzip压缩临时文件sort --compress-program=gzip huge_file.txt

最佳实践

1. 处理数字一定要用: -n
2. 非空格分隔符要用: -t 指定
3. 明确指定字段范围: -k 2,2 而不是 -k 2
4. 大文件要优化: 使用 -S、-T、--parallel
5. 脚本中检查排序: 用 sort -C

在实际工作中，如果对排序结果不确定，可以使用 --debug 选项查看 sort 是如何解析和比较每行的，这能帮助你理解为什么得到了特定的排序结果。

参考资料