Question

我有一个文本文件，其中包含技能名称列表（近1.5亿行）。我使用命令

对此进行了排序

sort myFile.txt >> SortedFile.txt

为验证此命令的结果，我执行了命令

grep -n "^JavaScript$" SortedFile.txt >> lineNumbers.txt

我可以看到JavaScript分为两组。一组来自27819903 - 28071139，另一组来自99390179 - 99607141。

此问题不仅与技能“ JavaScript”有关，而且在许多技能中也会发生。 sort命令有什么问题？

如何使用sort命令正确对myFile进行排序？

Answer 1

没有测试数据很难说清^（a），但是由于它分为两部分，所以我的第一个建议是更改：

sort myFile.txt >> SortedFile.txt

收件人：

sort myFile.txt > SortedFile.txt

其中第一个简单地将结果追加到一个可能已经存在的文件中，因此，如果两次执行，则将分成两个不同的部分。与您用于发现行号的grep命令同上。

我希望，如果您使用相同的源，则会得到两个大小相等的块（此处不是这种情况），但是我不知道文件中的之前您已将其附加。

因此，请尝试不添加任何内容，看看是否有相同的问题。

我想问自己的另一件事是：为什么要对它进行排序？在我看来（尽管我以前做错了，只是问我的妻子一个完整的清单），这里唯一可能的用例是计算每种技能的数量。我很难设想任何其他可能性，但是，如果您有其他可能性，请告诉我们，对于不同的用例，可能还有同样更好的方法。

如果是计数的话，有比排序更好的方法，您可以简单地对它们进行计数而无需考虑顺序，例如：

awk '{count[$1]++}END{for(key in count){print key" "count[key]}}'

请参见以下命令作为示例：

pax> ( echo JavaScript; echo C; echo Java; echo JavaScript ) | awk '
...>    {count[$1]++}END{for(key in count){print key" "count[key]}}'

这将生成：

C 1
Java 1
JavaScript 2

^（a）而且三位数演出可能是太多测试数据，无法发布：-）