Question

我正在尝试使用unix sort命令以“直观”/自然的方式按字母数字字母和数字排序，但无法正确排序。我有这个文件：

$ cat ~/headers 
@42EBKAAXX090828:6:100:1699:328/2
@42EBKAAXX090828:6:10:1077:1883/2
@42EBKAAXX090828:6:102:785:808/2

我想按字母顺序排序，直觉@42EBKAAXX090828:6:10:...是第一个（因为10小于100和102），其次是{{1}第三个是@42EBKAAXX090828:6:100...。

我知道建议对行内的特定位置进行排序，但此处@42EBKAAXX090828:6:102:204:1871/2的位置可能会有所不同，因此这不是一个通用且可行的解决方案。

我试过了：

使用sort --stable -k1,1 ~/headers > foo和-n参数的各种组合，但它没有给出正确的排序。

如何从使用-u的bash或Python中有效地完成此操作？我想将它应用于大小为4-5 GB的文件，因此包含数百万行。

谢谢！

Answer 1

-V选项似乎可以执行您想要的操作 - 自然排序。明显用于版本号（因此选择了字母）

sort -V ~/headers

输出

@42EBKAAXX090828:6:10:1077:1883/2
@42EBKAAXX090828:6:100:1699:328/2
@42EBKAAXX090828:6:102:785:808/2

Answer 2

按字母顺序对其进行排序，就像在您的示例中一样。 10:和100之后的102之后的原因是10: 在之后，因为冒号:位于9之后ASCII chart中的sort -t':' -k3 ~/headers > foo字符。

如果您想对冒号分隔的第三个字段进行排序，请尝试以下方法：

{{1}}

Answer 3

这通常称为自然排序。这是一种适用于您的示例数据集的方法。

import re

def natural_sorted(iterable, reverse=False):
    """Return a list sorted the way that humans expect."""
    def convert(text):
        return int(text) if text.isdigit() else text
    def natural(item):
        return map(convert, re.split('([0-9]+)', item))
    return sorted(iterable, key=natural, reverse=reverse)

我发现了这个here并且有所改进。

如何在Unix中按字母数字排序？比看起来更复杂

3 个答案: