按行对文件排序，而不考虑其内容

Question

我有一个很大的文件，我想按字母顺序排序。这是一个以制表符分隔的文件，但我确实需要确保该文件从行中的第一个字符开始排序，而不管它是空格还是其他任何字符。

输入文件示例：

2090802 V19 I必须是组中的第三个20908 02 V18 I必须是文件中的第一个，因为col 1是另一个值2090802 V17 I必须是组中的第二个2090802 V16 I必须是2090802组中的第一个

使用命令排序test.txt>test-s.txt我得到这个输出：

2090802 V16 I必须是2090802组中的第一个2090802 V17 I必须是组中的第二个20908 02 V18 I必须是文件中的第一个，因为col 1是另一个值2090802 V19我必须是小组中的第三名

排序程序似乎看到第一列具有相同的值（忽略第3行中的空格），并使用下一列（V16、V17、V18和V19）对文件进行排序。

然而，我想要这个值20908 02我的预期结果应该是：

20908 02 V18 I必须是文件中的第一个，因为col 1是另一个值2090802 V16 I必须是2090802组中的第一个2090802 V17 I必须是组中的第二个2090802 V19 I必须是组中的第三个

我试过了-b条论点，以及-t吨给另一个分离器，但仍然没有得到预期的结果。

如何通过考虑行中的每个字符而不忽略空白对文件进行排序？

Answer 1

排序顺序取决于区域设置。在大多数区域设置中，在第一近似中忽略间距（请参见空格（U+0020）和TAB（U+0009）IGNORE公司作为中的前3个权重ISO14651标准).

如果您想要一个每个字符（实际上是字节）都计数的排序顺序，并且该顺序基于字节值（对于UTF-8编码的文本，这与基于Unicode码位值的排序一致），请使用C类阿卡POSIX公司区域设置：

LC_ALL=C对文件进行排序

设置LC_全部影响全部的本地化类别。排序顺序受LC_卷轴类别，但在这里，设置LC_类型（影响字符和编码/解码到字节序列的方式）到C类这可能是一个好主意，因为它可以保证任何字节序列都可以解码为字符并进行排序（按字节值）。LC_COLLATE=C对文件进行C排序如果LC_全部否则也会设置。

Answer 2

使用时LC_ALL=C（全部）可能会更快更高效，另一个选择是使用-k个告诉别人分类只对第一个字段进行排序，而不对其他字段进行排序*：

$sort-k1,1文件20908 02 V18 I必须是文件中的第一个，因为col 1是另一个值2090802 V16 I必须是2090802组中的第一个2090802 V17 I必须是组中的第二个2090802 V19 I必须是组中的第三个

---

*实际上，分类（或至少GNU分类)当它找到两个相同的排序字段时，仍会查看行的其余部分以进行“last-resort”排序。这在中进行了解释信息排序在GNU系统上：

最后，作为最后的手段，当所有键比较相等时，“sort”对整行进行比较，就好像除了指定了“--reverse”（“-r”）。“--stable”（“-s”）选项禁用此“last-resort比较”，以便比较等于保留其原始相对顺序。“--唯一”（'-u'）选项还禁用last-resort比较。

正是这种最新的重新排序使V16行出现在输出中V17行之前，尽管输入中的顺序与之相反。