离线下载
PDF版 ePub版

见证大牛成长之路 · 更新于 2017-11-19 05:00:55

shell 学习第十八天----文本排序

排序文本

行的排序,使用的命令 sort,该命令的语法是: sort [option] [files...].sort 将文件 / 文本的每一行作为一个单位,相互比较,比较原则是从首字符向后,依次按 ASCII 码值进行比较,最后将他们按升序输出。

入门案例

有一个文件 temp.txt,内容为:

aaa:10:1.1ccc:30:3.3ddd:40:4.4bbb:20:2.2eee:50:5.5eee:50:5.5

使用 sort temp.txt 输出结果为:

aaa:10:1.1bbb:20:2.2ccc:30:3.3ddd:40:4.4eee:50:5.5eee:50:5.5

再来看 sort 的各个选项的使用:

  • -b:忽略每行前面开始处的空格字符;
  • -c:检查文件是否已经按照顺序排序,排序过为真;
  • -d:排序时,处理英文字母、数字和空格字符,以字典顺序排序。忽略其他所有字符;
  • -f:排序时,将小写字母视为大写字母;
  • -i:排序时,处理 040~176 之间的 ASCII 字符,忽略其他所有字符;
  • -m:将几个排序好的文件进行合并;
  • -M:将前面 3 个字母按月份的缩写进行排序;
  • -n:按照数值大小进行排序;
  • -o outfile.txt:将排序后的结果存入 outfile.txt;
  • -r:以相反的顺序进行排序;
  • -k:指定需要排序的列数(栏数);
  • -t 分隔符:指定排序时所用到的栏位分隔符;
  • + 起始栏位 - 结束栏位:以指定的栏位来排序,范围从起始栏位到结束栏位的前一栏位。(古老的用法)

案例:

使用 -u 选项的输出,还是针对文件 temp.txt

aaa:10:1.1
bbb:20:2.2
ccc:30:3.3
ddd:40:4.4
eee:50:5.5

例如:

有一个文件 sort.txt,内容为:

AA:BB:CC
   aaa:30:1.6
   ccc:50:3.3
   ddd:20:4.2
   bbb:10:2.5
   eee:40:5.4
   eee:60:5.1

使用 sort -nk 2 -t: sort.txt 排序后的结果为:

AA:BB:CC
bbb:10:2.5
ddd:20:4.2
aaa:30:1.6
eee:40:5.4
ccc:50:3.3
eee:60:5.1

上述命令的意思是说,将第二列按照数字从小到大排列

使用 sort -nrk 3 -t: sort.txt,该命令的意思是说,将第三列数字从大到小排列,所以输出的结果为:

eee:40:5.4
eee:60:5.1
ddd:20:4.2
ccc:50:3.3
bbb:10:2.5
aaa:30:1.6
AA:BB:CC

备注: -n 是按照数字大小排序,-r 是以相反顺序,-k 是指定需要排序的栏位,-t 指定栏位分隔符为冒号。

问题: 有一个文件,内容为:

banana:30:5.5
apple:10:2.5
pear:90:2.3
orange:20:3.4

第一列表示水果名称,第二列表示水果数量,第三列表式水果价格。我想按照水果的数量进行排序,怎么办?

  • sort -nk 2 -t : fruit.txt(从小到大排序)
  • sort -nrk 2 -t : fruit.txt(从大到小排序,注意选项的位置)

如果我想给 /etc/passwd 按照第三行排序,应该是这样:

  • sort -t':' -k 3 /etc/passwd,但是细心的你一定会发现其中的问题,貌似不对啊? 不应该啊? 那是因为 -k 选项默认是按照字典数排列,如果想按照数字排列需要指定 sort -t':' -k 3n /etc/passwd,也就是需要加上 -n 选项。

如果想逆序排列呢?

  • sort -t':' -k 3nr /etc/passwd

如果要对 /etc/passwd 文件中第六列的第二个字符到第四个字符正序排列,再基于第一列进行反向排序。

  • sort -t':' -k 6.2,6.4 -k 1r /etc/passwd 引入一个关于 -k 选项的新知识。

-k 选项的语法格式

FStart.CStart Modifie,FEnd.CEnd Modifier-------Start--------,-------End-------- FStart.CStart 选项,FEnd.CEnd 选项

这个语法格式可以被其中的逗号(“,”)分为两大部分,Start 部分和 End 部分。Start 部分也由三部分组成,其中的 Modifier 部分就是我们之前说过的类似 n 和 r 的选项部分。我们重点说说 Start 部分的 FStart 和 C.StartC.Start 也是可以省略的,省略的话就表示从本域的开头部分开始。FStart.CStart,其中 FStart 就是表示使用的域,而 CStart 则表示在 FStart 域中从第几个字符开始算 “排序首字符”。同理,在 End 部分中,你可以设定 FEnd.CEnd,如果你省略.CEnd,则表示结尾到 “域尾”,即本域的最后一个字符。或者,如果你将 CEnd 设定为 0(零),也是表示结尾到 “域尾”。

那么很显然 -k 6.2,6.4 的意思很明确,第六个字段的第二个字符到第六个字段的第四个字符. 按照正序排列。

案例

查看 /etc/passwd 有多少个 shell: 对 /etc/passwd 的第七个域进行排序,然后去掉重复的行:

cat /etc/passwd | sort -t':' -k 7 -u

sort 的行为模式: 它会读取指定的文件,如果文件未给出,则读取标准输入,再将排序好的数据写至标准输出。

总结:

  • 如果按照行排序,使用 -k 6; 按照字段排序,使用 -k 6.2 6.4 这样的书写格式。字段以及字段里的字符是有 1 开始。如果进指定一个字段编号,则排序键值会自该字段的起始处开始,一直继续到记录的结尾 (而非字段的结尾)。
  • 使用逗号 (或者空格) 隔开的字段,是由逗号 (或者空格) 左边开始,逗号 (或者空格) 右边结束。例如:-k 6.2,6.4 表示从第六个字段的第二个字符到第六个字段的第四个字符。
  • 当出现多个 -k 选项的时候,会先从第一个键值字段开始排序,找出匹配该键值的记录后,再进行第二个键值字段的排序,以此列推。