Linux sort命令中文手册(info sort翻译)

7.1 ‘sort‘: Sort text files
===========================

sort命令用于排序、合并或比较给定文件(可给定多个)的所有行，如果没有给
定输入文件或输入文件为"-"，则读取标准输入。默认情况下，sort将操作结
果打印在标准输出中。语法：

     sort [OPTION]... [FILE]...

sort有3种操作模式：排序(默认)、合并以及检查是否已经排过序。使用以下3
个选项改变操作模式：

‘-c‘
‘--check‘
‘--check=diagnose-first‘
     检查给定文件是否已经排序过：如果检测出未排序，将输出诊断信息并以
     状态码1退出，该诊断信息中包含第一个乱序的行。否则以成功状态退出。
     最多只能给定一个检测文件。

‘-C‘
‘--check=quiet‘
‘--check=silent‘
     它类似于"-c"，但不会输出诊断信息。如果文件已排序，则以成功状态退
     出，否则以状态码1退出。最多只能给定一个文件。

‘-m‘
‘--merge‘
     合并多个文件，每个输入文件必须已经排序。合并时将根据已排序的结果
     合并为各个组。sort一般都用来排序，但仍然提供合并功能，因为它的合
     并速度很快。

sort排序规则为：按照命令行中给定的字段顺序对给定的字段进行排序，排序时
根据为每个字段分配的排序选项进行排序，直到发现不同的排序选项或者排序列
结束。如果没有给定排序key(注：key即为-k指定的值)，则对整行进行排序。最
后，如果所有给定的key的比较结果都相等时，将对整行进行完全默认的排序
(注：即以字母升序排序)，但"-r"可以改变这次的升、降序结果。这次排序称为
"最后的排序"。使用"-s"选项可以禁止"最后的排序"，使得那些排序结果相同的
行保留最初的相对顺序。"-u"选项同样也会禁止"最后的排序"。

除非明确指定，否则所有的比较都按照"LC_COLLATE"指定的字符集的排序规则进
行排序。

退出状态码：

     0 没有任何错误发生时
     1 如果"-c"或"-C"检测发现输入数据未排序时
     2 发生了错误时

如果设置了环境变量"TMPDIR"，sort将使用它作为临时目录而不是默认的"/tmp"。
"-T"选项将覆盖该环境变量设置的值。

以下选项影响排序的输出结果。它们既可以指定为全局选项，也可以作为key的
一部分。如果未指定任何key，则全局选项将作用于整行，否则指定的key将继承
全局选项，除非key自身也指定了选项(注：自身指定了选项的key将覆盖全局选
项)。为了考虑可移植性，建议将全局选项指定在"-k"(或"--key")的前面。

‘-b‘
‘--ignore-leading-blanks‘
     忽略key的前导空白符号(包括空格、制表符)。不给定该选项时，空白符号
     对"-k"选项指定字符位置有影响(注：例如"-k 2.2"指定的第2个字符可能是
     空白)。

‘-f‘
‘--ignore-case‘
     将小写字符当作大写字符。例如，"b"和"B"是相等的。当和"-u"选项一起
     使用时(注：重复的行只能输出一次)，那些小写字符的等价行会被丢弃
     (注：也就是说，输出的是大写字符行)。(目前没有任何方法可以抛弃大写
     字符的等价行，即使使用"-r"也不行，因为在任何时候，"-r"选项都只是
     反转最终的排序结果，不会影响排序过程)。

‘-h‘
‘--human-numeric-sort‘
‘--sort=human-numeric‘
     对文件大小格式进行排序。首先对正负性排序(正数>0>负数)，再对大小后
     缀排序(0<k=K<M<G<T...)，最后对数值排序。它不在乎转换精度是1000还是
     1024，因为它总会自动不断扩大到最接近的后缀(注：例如999M和1G比较时
     将以1000作为转换单位，1023M和1G比较时将以1024作为转换单位)。

‘-M‘
‘--month-sort‘
‘--sort=month‘
     按字符格式的月份进行排序。
     An initial string, consisting of any amount of blanks, followed by
     a month name abbreviation, is folded to UPPER case and compared in
     the order ‘JAN‘ < ‘FEB‘ < ... < ‘DEC‘.  Invalid names compare low
     to valid names. 

‘-n‘
‘--numeric-sort‘
‘--sort=numeric‘
     按数值排序。空字符串""或"\0"被当作无。数值排序是精确排序，不会四舍五入
     后排序。

     (
     注：数值排序和默认的排序规则所不同的是，当key中遇到非数学字符时，
     如空白、字母、特殊字符等，将直接结束排序(在sort内部认为找不到匹配
     值)。也就是说，"-k 2"和"-k 2n"不同，虽然这两个key都会扩展到行尾，
     前者会从第二个字段一直按字符集顺序比较到行尾，而后者可能只对第2
     字段匹配，因为第二字段和第三字段中间可能有特殊符号，导致数值排序
     直接结束。

     因此，对于"abc 100 200"这样的输入，指定"-k 2n"时，该key为"100 200"，
     但由于中间包含了空白，使得该key的排序在第二字段就结束。
     如果是"abc 100\0200 200"，"-k 2n"在排序时，虽然看上去是100200，但
     却只对100进行排序，也就是说，如果此时另有一行第2字段值为110，看上
     去很大的100200将小于110。测试语句：
     echo -e "b 100:200 200\na 110 300" | tr ‘:‘ ‘\0‘ |\
     sort -t ‘ ‘ -k2n -k1 

     因此，对于"-n"来说，它绝对不可能跨越key的边界。但默认的排序规则
     会跨越key起作用。
     )

‘-r‘
‘--reverse‘
     反转比较的结果，使得结果中更大的key更早出现。
     (注："-r"不会改变排序行为，而是将排序结束后的输出结果进行反转
     处理，因此只影响排序结束后的输出结果)

‘-k POS1[,POS2]‘
‘--key=POS1[,POS2]‘
     指定排序的key，即每行排序的起始和终止字段(若省略POS2，则终止位置为
     行尾)。

     POS的格式为"F[.C][OPTS]"，其中F表示字段的序号，C表示该字段中字符
     的序号。字段和字符的位置都从1开始计算。如果POS2的字符位置指定为
     0，则表示POS2字段中的最后一个字符。如果POS1中省略".C"，则默认值
     为1(字段的起始字符)，如果POS2中省略".C"，则默认值为0(字段的终止
     字符)。OPTS为排序选项，这些选项将覆盖全局选项，使得该key可以按照
     独立的排序选项进行排序。keys可以跨多个字段。
     
     (注：OPTS指定在POS1和POS2的作用是一样的，因为一个"-k"指定一个key，
     无论是POS1还是POS2中的OPTS都是对这个key有效，但"b"选项除外，见下文)

     示例：为了排序第二个字段，使用"--key=2,2"(-k 2,2)。可使用"--debug"
     选项帮助查看、分析和决定每行中被用于排序的字段。

‘--debug‘
     显示每行中用于排序的部分。还会给出额外的信息。

‘-o OUTPUT-FILE‘
‘--output=OUTPUT-FILE‘
     将排序的输出结果写入到OUTPUT-FILE中。一般来说，sort在打开OUTPUT 
     FILE前读取完所有输入，因此可以安全地将排序结果保存到输入文件中，
     就像"sort -o file1 file1"和"cat file1 | sort -o file1"一样。但是，
     "-m"选项会在读取输入前先打开输出文件，因此下面的语句是不安全的
     语句："cat file1 | sort -m -o file1 -"。

‘-s‘
‘--stable‘
     禁止sort执行"最后的排序"。在没有指定字段选项或全局选项时，该选
     项将不起作用，除非指定的是"-r"选项。
     
     (注：最后的排序：在key的比较结果相同时，sort的最后手段是对整行
     再进行一次完全默认的排序，即按照字母、升序对整行做最后排序。这
     称为"最后的排序"。如果未指定任何选项，其本身就是完全默认的，因
     此没必要再做最后的排序。如果指定的是"-r"选项，由于"-r"是对最终
     结果进行反转排序，因此会影响这次的"最后的排序"的结果)

‘-t SEPARATOR‘
‘--field-separator=SEPARATOR‘
     当在每行中搜索key的时候，使用SEPARATOR字符作为字段的分隔符。默认
     情况下，字段是由空白字符和非空白字符之间的空字符串分割而来的。

     因此，如果输入行为" foo bar"，默认将切分为两个字段" foo"和" bar"，
     (注：空白和非空白字符之间的空字符为行开头和"oo"后的位置)。字段分
     隔符不是分隔后字段中的内容，因此"sort -t ‘ ‘"对" foo bar"分隔时，
     将分割为3个字段：空字段、"foo"和"bar"。但是，每个单独的字段都是扩
     展到行结尾的，就像"-k 2"，或像"-k 2,3"包含了范围的字段，它们都在扩
     展的时候保留字段分隔符。
     
     (注：以sort -t ‘ ‘为例，"-k 2"实际上表示的是"foo bar"，它扩展到
     行尾，且中间的字段分隔符被保留。而"-k 1,2"实际上表示的是" foo"，
     因为明确指定了这个key到第二个字段结束，但中间的字段分隔符仍保留)
     
     如果要指定字段分隔符为空，则使用"\0"，例如"sort -t ‘\0‘"。

‘--parallel=N‘
     设置sort运行的并行线程数为N。默认，N设置为可获得的cpu个数，但最大
     限制为8，因为超过8之后带来的性能收益递减。

‘-u‘
‘--unique‘
     一般情况下，"-u"将仅输出排序后重复行的第一行。

     该选项会禁止"最后的排序"(注：见前文译文)。

     "sort -u"和"sort | uniq"是等价的，但扩展了更多选项后将可能不等价，
     例如，"sort -n -u"只会检查数值部分的唯一性，但"sort -n | uniq"在
     sort对行的数值排序后，uniq将检查整个行的唯一性。

‘-z‘
‘--zero-terminated‘
     使用"\0"分割每行而不是使用换行符。

"-k"指定的key后面可以指定"bfhgnr"等选项，这种情况下，该key将不会继承
全局选项。除了"b"选项，所有的选项都作用于整个key，无论该选项是写在POS1
还是POS2上。如果指定了"b"选项，它仅独立作用于POS1或POS2上，但如果继承
了全局的"-b"，则会作用于整个key上。如果输入行中包含了前导空白字符，
且没有使用"-t"选项，"-k"通常会结合"-b"或某些隐含了忽略前导空白字符的
选项(ghn)一起使用，否则前导空白字符可能会导致划分的字段非常混乱。

如果POS中指定的字段或字符位置超出了行尾或字段，则该key为空。如果指定了
"-b"选项，".C"部分将从字段的第一个非空白字符开始计算。

以下是一些示例，用于说明不同选项的结合使用：

   * 按数值排序，并降序(reverse)

          sort -n -r

   * 按字母排序，忽略第一和第二字段，且忽略第三字段的前导空白。此处
     使用了单个key，该key从第三字段非空白字符开始，一直扩展到行的结尾。
     这一整个key都采用字母排序。

          sort -k 3b

   * 对第二字段按数值排序，并通过指定第五字段的第3、4字符间按字母排序
     来解除按数值排序的规则。使用":"作为字段分隔符。

          sort -t : -k 2,2n -k 5.3,5.4
     
     (注：任何时候，只想对某字段进行排序时，都建议明确指定其起始和结束位置)

     注意，如果写的是"-k 2n"而不是"-k 2,2n"，该key将从第二字段一直扩展
     到行尾，这是主排序key，而副排序key"-k 5.3,5.4"在主排序key的排序基
     础上再按照字母排序。绝大多数情况下，让key向后扩展一般不是所期望的
     行为。

     还需注意，"n"选项作用范围为第一个key。这等价于"-k 2n,2"或"-k 2n,2n"。
     所有的修饰符，除了"-b"，无论写在pos1还是pos2，都会作用于整个key。

     (
     注：由于n选项无法跨越key，因此上面即使写成了"-k 2n"也是等价的，但下
     面两个命令则不一样：

     sort -t : -k 2   -k 5.3,5.4n
     sort -t : -k 2,2 -k 5.3,5.4n

     由于默认的字符集排序规则会跨越key，第一条命令中主key从第2字段开始，
     直到行尾结束，于是会先对整个key按字符排序，然后在此基础上再对副key
     按数值排序。
     再如下面的例子：

     sort -t : -k 5n -k 2

     即使主key的字段在副key的字段后面，副key由于是做字符集排序，所以仍
     会跨越主key。
     )

   * 对/etc/passwd文件的第5字段排序，并忽略前导空白。如果第5字段排序
     结果相等，则进一步按数值对第3字段的uid进行排序。字段分隔符为":"。

          sort -t : -k 5b,5 -k 3,3n /etc/passwd
          sort -t : -n -k 5b,5 -k 3,3 /etc/passwd
          sort -t : -b -k 5,5 -k 3,3n /etc/passwd

     以上三个命令是等价的。第一个命令指定了第一个key的POS1要忽略前导
     空白，且第二个key要按照数值排序。另外两个命令中，缺少选项的key将继
     承全局选项。此处继承之所以能正确工作，是因为"-k 5b,5b"和"-k 5b,5"是
     等价的。

   * 对一系列日志文件进行排序，主排序key为IPv4，副排序key为时间戳。如果
     两行的主、副key都完全一致，则按照文件被读取时的相对顺序输出。日志
     文件包含的行格式大致如下：

          4.150.156.3 - - [01/Apr/2004:06:31:51 +0000] message 1
          211.24.3.231 - - [24/Apr/2004:20:17:39 +0000] message 2

     使用单个空格可以精确分割这些字段。IPV4地址列按照字典顺序排序，例如
     212.61.52.2小于212.129.233.201，因为61小于129。

          sort -s -t ‘ ‘ -k 4.9n -k 4.5M -k 4.2n -k 4.14,4.21 file*.log |
          sort -s -t ‘.‘ -k 1,1n -k 2,2n -k 3,3n -k 4,4n

     该示例无法仅使用一个sort语句实现，因为IPV4地址需要使用"."分隔，而
     时间戳需要使用空格分隔。因此，使用两个sort语句：第一个sort语句按照
     时间戳排序，第二个语句按照IPV4排序。第一个sort命令中使用"-k"将每个
     字段进行隔离，先按照年排序，再按照月份排序，接着是日，最后对
     "时:分:秒"排序。除了"时:分:秒"这个key，其余的key都没必要指定key的结
     束位置，因为"n"和"M"选项作用范围不能跨域每个key的左边界。第二个sort
     命令是对ipv4地址按照字典顺序排序的。第二个sort语句中使用了"-s"选项，
     以防止主排序key的关系被副排序key破坏，第一个sort语句中使用"-s"选项是
     为了保证两个sort语句在"-s"属性上的一致性。

       (注：由于n选项无法跨越key边界和非数学字符，因此上面第二个sort命令和
       下面的命令是等价的：
       sort -s -t ‘.‘ -n -k1 -k2 -k3 -k4 )