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.Start
。C.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。