Linux 常用命令 - sort 【对文件内容进行排序】

简介

sort 命令源于英文单词 “sort”，表示排序。其主要功能是对文本文件中的行进行排序。它可以根据字母、数字、特定字段等不同的标准进行排序。sort 通过逐行读取文件（没有指定文件或指定文件为 - 时读取标准输入）内容，并按照指定的排序规则对行进行排序，最后输出排序后的结果。

使用方式

sort [OPTION]... [FILE]...
sort [OPTION]... --files0-from=F

排序相关选项

• -b, --ignore-leading-blanks：忽略行首的空白字符。

• -d, --dictionary-order：使用字典顺序排序（只考虑空白字符和字母及数字字符）。

• -f, --ignore-case：排序时忽略字母的大小写（将小写字母作为大写字母看待）。

• -g, --general-numeric-sort：按照通用数值进行排序。

• -i, --ignore-nonprinting：排序时忽略不可打印的字符。

• -M, --month-sort：按照月份缩写进行排序（ (unknown) < ‘JAN’ < … < ‘DEC’）。

• -h, --human-numeric-sort：按照便于阅读的数值排序，例如 2K 1G。

• -n, --numeric-sort：按照简单的数值进行排序。

• -R, --random-sort：随机排序，类似于洗牌。但具有相同内容的行会被保持在一起。

• --random-source=FILE：指定 FILE 文件为随机数生成源供随机排序使用。

• -r, --reverse：反转排序结果，即倒序排列。

• --sort=WORD：根据 WORD 的内容进行排序，其中 WORD 包含：general-numeric -g, human-numeric -h, month -M, numeric -n, random -R, version -V。

• -V, --version-sort：按照版本号的自然顺序进行排序。

其他选项

• --batch-size=NMERGE：指定一次性合并文件或处理数据时的最大数量，超过的数量会使用临时文件。
• -c, --check, --check=diagnose-first：检查输入数据是否已经排序（该操作不会进行排序）。
• -C, --check=quiet, --check=silent：同 -c，但在发现未排序的行时不会输出提示信息，仅以一个错误码退出来指示未排序状态。
• --compress-program=PROG：指定外部压缩程序 PROG 来对临时文件进行压缩。使用 PROG -d 来解压缩。
• --debug：使用特殊的标记注释用于排序的行，并且对于一些可能的问题输出警告信息到 stderr 。可以帮助理解排序规则。
• --files0-from=F：从文件 F 中读取以 NUL 结尾的所有文件名称来进行排序；如果 F 是 - ，那么从标准输入中读取文件名。
• -k, --key=KEYDEF：通过指定一个 key 来进行排序；通常后面跟 KEYDEF 参数（下文有描述）用来指定排序键的详细信息。
• -m, --merge：合并已经排序的文件（不会进行排序）。
• -o, --output=FILE：将排序结果写入指定的输出文件 FILE ，而不是打印到标准输出中。
• -s, --stable：通过禁用最后的比较来进行稳定排序。
• -S, --buffer-size=SIZE：指定排序操作可以使用的最大内存大小，超过该值会使用临时文件存储额外的数据。
• -t, --field-separator=SEP：指定字段的分隔符为 SEP 。
• -T, --temporary-directory=DIR：指定 DIR 为临时文件目录来替代默认的 $TMPDIR 或 /tmp；多次使用该选项指定多个临时目录。
• --parallel=N：指定 sort 命令在执行排序时可以使用的最大并行运行数量。
• -u, --unique：该选项与 -c 共同使用时表示检查文件是否按照严格顺序排序。严格顺序指不仅每行相对于前一行按照指定顺序排列，还不能有重复行。不与 -c 使用时则会在排序后去除重复行。
• -z, --zero-terminated：指定以零字符（ NULL 字符，\0）替代默认的换行符（\n）作为记录分隔符。
• --help：显示帮助信息。
• --version：显示版本信息。

KEYDEF

-k 选项后一般会跟一个 KEYDEF 参数，该参数用于定义排序时的起始位置和停止位置。以及可能覆盖全局排序选项的字段和特定的排序选项。

其格式为 F[.C][OPTS][,F[.C][OPTS]]

其中 F 为字段（列）号，表示参与排序的字段（列）（从 1 开始计数）。

C 表示字段内字符的位置（从 1 开始计数），可选，如果指定了 C 则排序会从字段的第 C 个字符开始。

OPTS 是一个或多个单字母排序选项（如 bdfgiMhnRrV），这些参数可以覆盖全局的排序选项。

第二个 F[.C][OPTS] 也是可选的，用于指定排序键的结束位置。如果未指定结束位置，则默认以行尾为结束。

在使用该参数进行复杂排序的时候，可以借助于 --debug 来调试排序行为，从而验证自己的排序语法是否正确。

参考示例

1. 对指定文件进行默认排序

sort test.txt

首先使用 cat 命令查看 test.txt 中的内容，可以发现其每行内容是乱序分布的，接着使用 sort 命令对该文件内容进行排序，最后输出每行按照字母顺序排列的结果：

jay@jaylinuxlenovo:~/test$ cat test.txt 
aaaa
cccc
ffff
eeee
bbbb
aaaa
jay@jaylinuxlenovo:~/test$ sort test.txt 
aaaa
aaaa
bbbb
cccc
eeee
ffff

2. 对指定文件进行默认排序，但忽略相同行

sort -u test.txt 

如果文件内容中存在相同的行，则可以使用 -u 选项删除重复内容，只保留唯一的行。可以看到对例一中的文件使用 -u 排序后，原来结果中存在的两行 aaaa 只剩下了一行：

jay@jaylinuxlenovo:~/test$ sort -u test.txt 
aaaa
bbbb
cccc
eeee
ffff

3. 对指定文件进行简单的数值排序

sort -n test.txt 

如果文件内容中包含普通的数字，并且需要按数值的大小进行排序，则需要用到 -n 选项。通过本例的演示可以看出，如果不使用该选项，则排序结果是按照 ASCII 码的值排序，但这样得到的结果并不是我们想要的，而使用了 -n 后，才是真正按数值的大小进行排列的结果：

jay@jaylinuxlenovo:~/test$ cat test.txt #原内容
12
103
45
1
235
79
66jay@jaylinuxlenovo:~/test$ sort test.txt # 普通排序
1
103 #这里按照 ASCII 值排序，明显不是我们想要的
12
235
45
66
79
jay@jaylinuxlenovo:~/test$ sort -n test.txt # 数值排序
1
12
45
66
79
103
235

4. 反转数值排序的结果（使用降序排序）

sort -rn test.txt

sort 默认是升序排列，即先小后大，使用 -r 选项可以反转为降序排列，即从大到小：

jay@jaylinuxlenovo:~/test$ sort -rn test.txt 
235
103
79
66
45
12
1

5.使用指定的排序模式进行排序

sort -nk 2 -t : test.txt 

首先使用 cat 命令确认 test.txt 中的内容，然后使用 -n 指定用数值排序，-k 2 指定基于第二列进行排序，-t : 指定列分隔符为 : ：

jay@jaylinuxlenovo:~/test$ cat test.txt 
banana:10:香蕉
apple:30:苹果
orange:8:橙子
pear:25:梨子
cherry:60:樱桃
watermelon:27:西瓜
jay@jaylinuxlenovo:~/test$ sort -nk 2 -t : test.txt 
orange:8:橙子
banana:10:香蕉
pear:25:梨子
watermelon:27:西瓜
apple:30:苹果
cherry:60:樱桃

注意事项

• 默认情况下，sort 命令是按照字符的 ASCII 值进行排序的。这意味着如果排序内容包含数字，它们会按照字母顺序而不是数值进行排序，这可能导致排序结果与实际不符。例如 10 会排在 2 前面。因此如果想要按照实际的数值排序，需要使用 -g 选项。

• 默认情况下，sort 会按照升序排列，即从小到大、从 A 到 Z。也可以通过 -r 选项进行从大到小的降序排列。

• sort 的 -n 和 -g 选项都能用于数值排序，但 -n 选项只能识别一些简单数值形式，如整数、浮点数等。而 -g 选项则能处理更广泛的数值表示形式，如科学计数法。其在解析复杂数值格式方面更为健壮。但在处理简单的数字时可能没有 -n 的效率高。

• 默认情况下 -R 选项会使用系统内部生成的随机种子，而 --random-source=FILE 允许用户指定一个文件作为随机数生成的源，即随机种子文件。这个选项与 -R 结合使用时可以控制随机排序的结果，如果两次随机排序指定了同一个文件并且文件内容没有变，则随机排序结果也是相同的。需要注意的是如果该文件包含的内容长度不够时会报错。

• -c 和 -C 选项都用于检测输入数据是否经过排序，如果检测到是排序后的数据，则不会输出任何信息并且以 0 状态码退出。不同的是，如果遇到未排序的数据，-c 会输出第一个未排序行的信息，并以非零错误码退出，而 -C 不会输出任何信息，仅以一个非零错误码退出来指示未排序状态。

• sort 命令的排序顺序会受到系统区域设置（locale）的影响。为了确保排序结果的一致性，可以通过设置 LC_ALL=C 来强制使用传统的字节值排序。