使用字段分隔符时，GNU sort命令无法对具有公共前缀的不同长度的单词进行正确排序

Question

GNU sort命令不是用公共前缀正确地对不同长度的单词进行排序，而是仅当使用字段分隔符对多个字段中的一个进行排序时。

以下是不使用字段分隔符的正确、预期的排序行为：

$cat/tmp/test0bc（c）蚂蚁一bcd公司公元前中国$排序/tmp/test0一蚂蚁b公元前bcd公司c（c）中国

请注意，对于所有具有公共字符串前缀的单词，较短的单词优先于较长的单词排序。例如。一在之前蚂蚁,b在之前公元前在之前立方厘米这是公认的标准英语字符串排序方式，例如在字典中。

然而，当您尝试对表格数据（例如CSV文件）进行排序，并对其中一列进行排序时，这种排序行为会发生变化。下面是它的样子：

$cat/tmp/test1b、 foo公司c、 巴蚂蚁，巴兹a、 foo公司立方厘米，立方厘米bc、pe中国，中国$sort/tmp/test1-t，-k1a、 foo公司蚂蚁，巴兹bcd、tybc、peb、 foo公司c、 巴中国，中国

请注意，带有公共前缀的单词一和c（c）仍在正确处理，但具有公共前缀的字符串b不是；bcd公司在之前排序公元前在之前排序b，所有这些都不正确！这种行为是稳定的；你总是得到同样的结果。我在一个更大的CSV文件上遇到了同样的问题，如果有意义的话，那里的排序错误肯定是随机的。

我试过各种旗帜分类没有人能纠正这种行为。-d日和-秒不行。这是GNU coreutils 9.4排序中的值。

那么，这只是一个错误吗分类命令？我是不是用错了？我能做的更好的事情是通过字典按第一列中的单词对CVS进行排序吗？

Answer 1

这是您当前区域设置定义排序规则/排序规则的方式导致的，以及如何-千牛使用字段N个在比较行时到行的末尾，而不仅仅是字段N个（一些区域设置将排序bc、pe之前b、 foo公司如果他们忽略逗号）。

使用-k1,1级只使用该特定字段，或指定“C”语言环境，您应该会得到预期的结果：

$LC_ALL=en_US.utf8排序-t，-k1 test.txta、 foo公司蚂蚁，巴兹bcd、tybc、peb、 foo公司c、 巴中国，中国$LC_ALL=en_US.utf8排序-t，-k1,1 test.txta、 foo公司蚂蚁，巴兹b、 foo公司bc、pe立方厘米，立方厘米c、 巴中国，中国$LC_ALL=C排序-t，-k1 test.txta、 foo公司蚂蚁，巴兹b、 foo公司bc、pebcd、tyc、 巴中国，中国

Answer 2

答案是，尽管网上有一些相反的示例用法-k个标志接受两个参数，因此需要将其写入-k 1，1。否则，使用-k 1，它没有得到一个停止字段号，因此只通过了整行。因此，异常排序行为实际上是由,分隔符位于其他ASCII字符之间。

感谢Stéphane Chazelas的上述评论。

Answer 3

根据Stéphane Chazelas的评论，您正在对wohle行进行排序，而不仅仅是第一个字段。使用LC_ALL=C ,在之前排序c（c）:

%LC_ALL=en_US.utf8排序-t，-k1,1测试--调试sort：使用“en_US.utf8”排序规则执行的文本排序a、 foo公司______蚂蚁，巴兹__________b、 foo公司______bc、pe_______bcd、ty_________c、 巴______中国，中国_______%LC_ALL=en_US.utf8排序-t，-k1测试-调试sort：使用“en_US.utf8”排序规则执行的文本排序a、 foo公司__________蚂蚁，巴兹______________bcd、ty____________不列颠哥伦比亚省__________b、 foo公司__________c、 巴__________中国，中国__________