Shell 行排序

Shell 行排序，对文本文件进行排序是一项常见的任务。sort命令能够对文本文件和stdin进行排序。它可以配合其他命令来生成所需要的输出。uniq经常与sort一同使用，提取不重复（或重复）的行。本章将演示sort和uniq命令的常见用法。

预备知识

sort和uniq命令可以从特定的文件或stdin中获取输入，并将输出写入stdout。

实战演练

(1) 可以按照下面的方式排序一组文件（例如file1.txt和file2.txt）：

$ sort file1.txt file2.txt > sorted.txt

或是

$ sort file1.txt file2.txt -o sorted.txt

(2) 按照数字顺序排序：

$ sort -n file.txt

(3) 按照逆序排序：

$ sort -r file.txt

(4) 按照月份排序（依照一月、二月、三月……）：

$ sort -M months.txt

(5) 合并两个已排序过的文件：

$ sort -m sorted1 sorted2

(6) 找出已排序文件中不重复的行：

$ sort file1.txt file2.txt | uniq

(7) 检查文件是否已经排序过：

#!/bin/bash
#功能描述：排序
sort -C filename ;
if [ $? -eq 0 ]; then
   echo Sorted;
else
   echo Unsorted;
fi

将filename替换成你需要检查的文件名，然后运行该脚本。

工作原理

sort命令包含大量的选项，能够对文件数据进行各种排序。如果使用uniq命令，那sort更是必不可少，因为前者要求输入数据必须经过排序。

sort和uniq可以应用于多种场景。让我们来看一下这些命令的各种选项及用法。

要检查文件是否排序过，可以利用以下事实：如果文件已经排序，sort会返回为0的退出码（$?），否则返回非0。

if sort -c fileToCheck ; then echo sorted ; else echo unsorted ; fi

补充内容

我们已经介绍了sort命令的基本用法。下面来看看如何利用sort来完成一些复杂的任务。

1. 依据键或列排序
   如果输入数据的格式如下，我们可以按列排序：

$ cat data.txt
1  mac    2000
2  winxp    4000
3  bsd    1000
4  linux    1000

有很多方法可以对这段文本排序。目前它是按照序号（第一列）来排序的。我们也可以依据第二列和第三列来排序。
-k指定了排序所依据的字符。如果是单个数字，则指的是列号。-r告诉sort命令按照逆序进行排序。例如：

# 依据第1列，以逆序形式排序
sort -nrk 1  data.txt
4  linux    1000
3  bsd    1000
2  winxp    4000
1  mac    2000
# -nr表明按照数字顺序，采用逆序形式排序

# 依据第2列进行排序 sort -k 2  data.txt
3  bsd    1000
4  linux    1000
1  mac    2000
2  winxp    4000

一定要留意用于按数字顺序进行排序的选项-n。sort命令对于字母表排序和数字排序有不同的处理方式。因此，如果要采用数字顺序排序，就应该明确地给出-n选项。

-k后的整数指定了文本文件中的某一列。列与列之间由空格分隔。如果需要将特定范围内的一组字符（例如，第2列中的第4~5个字符）作为键，应该使用由点号分隔的两个整数来定义一个字符位置，然后将该范围内的第一个字符和最后一个字符用逗号连接起来：

$ cat data.txt
　
　
1 alpha 300
2 beta 200
3 gamma 100
$ sort -bk 2.3,2.4 data.txt ;    # 按照m、p、t的顺序排序
3 gamma 100
1 alpha 300
2 beta 200

把作为排序依据的字符写成数值键。为了提取出这些字符，用其在行内的起止位置作为键的书写格式（在上面的例子中，起止位置是2和3）。
用第一个字符作为键：

$ sort -nk 1,1 data.txt

为了使sort的输出与以\0作为终止符的xargs命令相兼容，采用下面的命令：

$ sort -z data.txt | xargs -0
# 终止符\0用来确保安全地使用xargs命令

有时文本中可能会包含一些像空格之类的多余字符。如果需要忽略标点符号并以字典序排序，可以使用：

$ sort -bd unsorted.txt

其中，选项-b用于忽略文件中的前导空白行，选项-d用于指明以字典序进行排序。

2. uniq
uniq命令可以从给定输入中（stdin或命令行参数指定的文件）找出唯一的行，报告或删除那些重复的行。
   uniq只能作用于排过序的数据，因此，uniq通常都与sort命令结合使用。
   你可以按照下面的方式生成唯一的行（打印输入中的所有行，但是其中重复的行只打印一次）：

$ cat sorted.txt
bash
foss
hack
hack

$ uniq sorted.txt
bash
foss
hack

或是

$ sort unsorted.txt | uniq

只显示唯一的行（在输入文件中没有重复出现过的行）：

$ uniq -u sorted.txt
bash
foss

或是

$ sort unsorted.txt | uniq -u

要统计各行在文件中出现的次数，使用下面的命令：

$ sort unsorted.txt | uniq -c
  1 bash
  1 foss
  2 hack

找出文件中重复的行：

$ sort unsorted.txt  | uniq -d
hack

我们可以结合-s和-w选项来指定键：

• -s 指定跳过前N个字符；
• -w 指定用于比较的最大字符数。

这个对比键可以作为uniq操作时的索引：

$ cat data.txt
u:01:gnu
d:04:linux
u:01:bash
u:01:hack

为了只测试指定的字符（忽略前两个字符，使用接下来的两个字符），我们使用-s 2跳过前两个字符，使用-w 2选项指定后续的两个字符：

$ sort data.txt | uniq -s 2 -w 2
d:04:linux
u:01:bash

我们将命令输出作为xargs命令的输入时，最好为输出的各行添加一个0值字节（zero-byte）终止符。使用uniq命令的输入作为xargs的数据源时，同样应当如此。如果没有使用0值字节终止符，那么在默认情况下，xargs命令会用空格来分割参数。例如，来自stdin的文本行“this is a line”会被xargs视为4个不同的参数。如果使用0值字节终止符，那么\0就被作为定界符，此时，包含空格的行就能够被正确地解析为单个参数。
-z选项可以生成由0值字节终止的输出：

$ uniq -z file.txt

下面的命令将删除所有指定的文件，这些文件的名字是从files.txt中读取的：

$ uniq -z file.txt | xargs -0 rm

如果某个文件名出现多次，uniq命令只会将这个文件名写入stdout一次，这样就可以避免出现rm: cannot remove FILENAME: No such file or directory。