使用Sort 对文件排序详解

当我们处理 大量数据时，linux有个常用命令sort，对数据默认进行字符排序，然后标准输出。

1. sort 命令原理

 默认情况下，sort命令将文件每一行作为进行比较，排序规则：从第一个字符向后，依次按照ASCII码值进行比较，然后依次输出。

看上去似乎很简单，但是当排序数字时：

并没有按照数字大小来排序

2.   sort -n  数字排序    

默认情况下，sort将数字当做字符而执行标准字符排序，不是按照大小来排序。实现按照大小排序，需要-n 参数

3.  sort -M  按月排序     
   

分析日志文件时，开头经常有个时间戳，sort -M 可以实现按照月份来排序。

4.  sort常用参数

-n     按照字符数值来比较

-M    按照月份比较

-f      忽略字母大小写，默认情况下，会将大写字母排在前面

-r      按照降序排列

-k     --key=post1,[post2]       按照指定范围比较，从post1 位置开始，如果制定了post2，到post2 位置结束

-t     指定一个用来区分键位值得字符来比较 

-b    忽略每一行前的所有空白字符，从第一个可见字符比较。

例如：  将 /etc/password 文件根据用户ID值大小进行数值排序

   可以用-k 和-t 实现按字段分隔的数据进行排序，用-k 参数指定定位分隔符 ":"，用-t 参数指定排序的字段，及 列数！

5.   -K  参数扩展

当我们编写shell 脚本是，经常会用到sort -k 一些参数，已下面例子具体说明：

第一列：姓名  第二列：身高  第三列：年龄  第四列：工资

a.   若要将上面文件中，按照员工姓名进行排序

    按照姓名，第一个区域进行比较即可，-k 1，直接得到结果

b.    若要按照身高来比较，进行排序。

      按照身高，数字要加-n，第二个区域比较即可， -k 2，但是lisi 和wangwu 身高一样，这时默认会按照第一区域进行比较，所以lisi在前。

C.    若按照身高进行排序，身高相同的员工按照工资升序排序。

     按照身高和工资，这样设定了区域， 加入 -k2  -k4  ，从第2个区域开始比较，如果相同，再以第4个区域排序。（若需要，可以一直在后面加上区域）。

d.   若要按照员工工资降序排列，工资相同的以年龄升序排列。

        先比较工资，要先比较第四个区域，另外要降序，则是 -k4r 在前， 再比较年龄，-k2 ，默认升序，所以为 -k4r -k2.

因为比较的都是数字，所以 -n 参数前置，还可以写成：    sort -t ‘ ’ -k4rn -k3n sort-test1

6.   sort -k参数扩展二

了解-k选项的语法格式，如下：

[ FStart [ .CStart ] ] [ Modifier ] [ , [ FEnd [ .CEnd ] ][ Modifier ] ]

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”。

如果不设定End部分，那么就认为End被设定为行尾。

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”。

    a.      按照姓名的第二个字母排序：

           -k1.2   ，比较的第一个区域的第2个字母开始，到本区域的最好一个字符结束，来进行比较。故zhangsan 和zhaoxiaoliu ，n在o的前面，所以zhangsan排在前面。

    b.      按照姓名的第二个字母排序，如果相同的则按照工资进行降序排列：

            因为限定了姓名第二个字母的比较范围，因此第一区域必须FStart和CStar 指定，及-k1.2,1.2 ，再比较工资第四个区域，数字逆序排列，故为-k4nr。