Linux 中用于排序文本的强大命令:sort

sort命令用于对文本文件的行进行排序，它是文本处理和数据分析中最常用、最重要的命令之一。

命令功能

• 排序行：对文本文件的每一行进行排序。

• 去重：识别并删除重复的行。

• 检查排序：验证文件是否已排序。

• 合并文件：在排序的同时合并多个已排序的文件。

命令语法

sort [选项]... [文件]...

• 如果不指定文件，则从标准输入读取数据。

• 可以指定多个文件，sort会将它们的内容连接起来一起排序。

常用选项

sort的选项非常丰富，以下是核心选项：

排序控制选项

字段处理选项

输出控制选项

常用示例

假设我们有一个文件 data.txt：

banana
Apple
orange
10
2
cherry
Banana

1. 基本排序（按字符串ASCII顺序）

sort data.txt

输出：

10
2
Apple
Banana
banana
cherry
orange

注意：数字被当作字符串排序，所以 "10" 在 "2" 前面。

2. 忽略大小写排序 (-f)

sort -f data.txt

输出：

10
2
Apple
banana
Banana
cherry
orange

"Apple", "banana", "Banana" 按忽略大小写的顺序排列。

3. 按数值大小排序 (-n)

sort -n data.txt

输出：

2
10
Apple
Banana
banana
cherry
orange

现在数字按数值大小正确排序了。

4. 反向排序 (-r)

sort -r data.txt

输出：

orange
cherry
banana
Banana
Apple
2
10

5. 去重排序 (-u)

sort -u data.txt

输出：

10
2
Apple
Banana
banana
cherry
orange

注意：-u是严格比较，Banana和 banana被视为不同。

6. 去重且忽略大小写

sort -f -u data.txt

输出：

10
2
Apple
banana
cherry
orange

现在 Banana被当作 banana的重复项删除了。

7. 检查文件是否已排序 (-c)

sort -c data.txt

输出：

sort: data.txt:2: disorder: Apple

报告第2行开始出现乱序。

高级用法：按字段排序

假设我们有一个带字段的文件 employees.txt：

Smith John 35000
Doe Jane 42000
Brown Bob 38000
Adams Alice 42000

8. 指定字段分隔符和排序键 (-t和 -k)

按第三列（薪资）数值降序排序：

sort -t ' ' -k 3nr employees.txt

输出：

Doe Jane 42000
Adams Alice 42000
Brown Bob 38000
Smith John 35000

-t ' '指定空格为分隔符，-k 3nr表示按第3字段数值降序排序。

按姓氏（第1字段）排序：

sort -t ' ' -k 1 employees.txt

输出：

Adams Alice 42000
Brown Bob 38000
Doe Jane 42000
Smith John 35000

9. 复杂键定义

按薪资降序，薪资相同的按姓氏升序：

sort -t ' ' -k 3nr -k 1 employees.txt

输出：

Adams Alice 42000
Doe Jane 42000
Brown Bob 38000
Smith John 35000

10. 按字符位置排序

假设文件 codes.txt：

ABC123
XYZ789
DEF456

按第4-6字符（数字部分）排序：

sort -k 1.4,1.6 codes.txt

输出：

ABC123
DEF456
XYZ789

实用场景示例

场景一：分析日志文件

找出访问量最大的IP地址：

# 假设日志格式: IP - - [date] "request" status size
cut -d' ' -f1 access.log | sort | uniq -c | sort -nr | head -10

1. 提取IP → 2. 排序 → 3. 计数去重 → 4. 按访问量降序 → 5. 显示前10

场景二：处理CSV数据

对CSV文件按第二列数值排序：

sort -t ',' -k 2n data.csv

场景三：整理单词列表

清理单词列表并排序：

# 转小写 → 排序 → 去重
cat words.txt | tr'A-Z''a-z' | sort -u > cleaned_words.txt

场景四：随机洗牌

打乱列表顺序（如抽奖名单）：

sort -R participants.txt

场景五：版本号排序

正确排序软件版本：

cat versions.txt
# 1.2
# 1.10
# 1.1
# 2.0

sort -V versions.txt
# 输出：
# 1.1
# 1.2
# 1.10
# 2.0

场景六：检查配置文件重复项

找出配置文件中重复的配置行：

sort configfile | uniq -d

性能提示

1. 内存使用：sort需要在内存中处理数据，非常大的文件可能消耗大量内存。

2. 临时文件：当内存不足时，sort会使用临时文件。

3. 并行排序：某些版本的 sort支持 --parallel选项来使用多个CPU核心。

4. 缓冲区大小：可以使用 -S或 --buffer-size调整内存使用量。

总结来说，sort是：

• 数据处理流水线中的关键组件

• 日志分析的必备工具

• 文本处理的强大武器

• 系统管理的常用命令

掌握 sort及其选项的组合使用，能极大地提高你在命令行下处理数据的效率。