Question

我有两台linux机器，unix排序似乎表现不同。我相信我已经把它缩小到了对下划线角色的处理。

如果我运行sort tmp，其中tmp包含以下两行：

aa_d_hh
aa_dh_ey

一台机器输出

aa_d_hh
aa_dh_ey

（即'_'在'h'之前），而其他输出

aa_dh_ey
aa_d_hh

（即'h'在'_'之前）。我需要这些机器一起运行（因为我稍后使用sort -m来合并非常大的文件）。

有什么方法可以强制排序以某种方式表现？

感谢。

Answer 1

您可以将LC_COLLATE设置为传统的排序顺序，仅用于您的命令：

env LC_COLLATE=C sort tmp

这不会改变当前环境只是执行sort命令的环境。你应该对此有相同的行为。

Answer 2

排序顺序取决于环境变量LC_COLLATE的当前值。检查本地文档中的'locale'，'setlocale'等。在两台机器上将LC_COLLATE设置为'POSIX'，结果应匹配。

Answer 3

这可能是由于语言环境的差异造成的。在en_US.UTF-8区域设置中，下划线（_）按字母和数字排序，而在POSIX C locale中它们按大写字母和数字排序，但在小写数字之前排序

# won't change LC_COLLATE=C after execution
$ LC_COLLATE=C sort filename

您还可以使用sort --debug来显示有关排序行为的更多信息：

$ (echo 'foo_bar'; echo 'fooAbar'; echo 'foo0bar'; echo 'fooabar') |
      LC_COLLATE=en_US.UTF-8 sort --debug
sort: using ‘en_US.UTF-8’ sorting rules
foo0bar
fooabar
fooAbar
foo_bar

$ (echo 'foo_bar'; echo 'fooAbar'; echo 'foo0bar'; echo 'fooabar') | 
      LC_COLLATE=C sort --debug
sort: using simple byte comparison
foo0bar
fooAbar
foo_bar
fooabar

如this answer所示，您可以使用上面的公式强制LC_COLLATE=C执行单个命令，而无需修改shell环境：

Answer 4

我真的很喜欢上面给出有用示例的答案，我只是将另一个字符串添加到其列表中，以显示排序行为可能有多么奇怪：

$ (echo 'foo_bar'; echo 'fooAbar'; echo 'foo0bar'; echo 'fooabar'; echo 'foobbar'; echo 'foobar') | LC_COLLATE=en_US.UTF-8 sort --debug
sort: using ‘en_US.UTF-8’ sorting rules
foo0bar
_______
fooabar
_______
fooAbar
_______
foobar
______
foo_bar
_______
foobbar
_______

似乎疯狂吧？在这里找到了说明，这是因为在此语言环境中使用了Unicode排序规则算法： https://unix.stackexchange.com/questions/252419/unexpected-sort-order-in-en-us-utf-8-locale

但是，即使' sort --debug '选项也无法轻松演示 strcoll （）函数遵循语言环境排序的规则中的细微差别规范。

POSIX规定，语言环境作者（除C语言环境以外的所有语言环境）都对 strcoll （）行为的各种摆弄方式具有绝对控制权，并且两个供应商声明其语言环境是命名 en_US.UTF-8 确实不暗示/ 要求这两个供应商具有相同的语言环境定义。因此，两个不同平台之间的排序规则很可能会有所不同，这取决于谁为该平台编写了语言环境文件，并且随着时间的推移，哪些错误修复程序已合并到语言环境定义中。

感谢Red Hat的Eric Blake的见解。

Answer 5

差异是由于您locale造成的。使用locale命令检查当前设置。

有许多不同的区域设置类别，例如LC_COLLATE，LC_TIME和LC_MESSAGES。您可以通过设置环境变量LC_ALL或LANG来更改它们，或者通过设置环境变量LC_COLLATE来仅更改排序（排序）顺序。语言环境C或POSIX是标准定义的基本语言环境;其他包括en_US（美国英语），fr_FR（法语）等。

Unix排序处理下划线字符

5 个答案: