パイプ「|」で行をソートせずにソート その中に正しく

パイプで区切られた単純なデータを並べ替えようとしています。ただし、並べ替えは実​​際には並べ替えではありません。ヘッダー行を下に移動しますが、241で始まる2つの行は24で始まる行で分割されています。

cat sort_fail.csv
column_a|column_b|column_c
241|212|20810378
24|121|2810172
241|213|20810376

sort sort_fail.csv
241|212|20810378
24|121|2810172
241|213|20810376
column_a|column_b|column_c

列ヘッダーはファイルの下部に移動されているため、並べ替えが明らかに処理しています。しかし、実際の値は私が期待するようにソートされていません。

この場合、私はそれを回避しました

sort sort_fail.csv --field-separator='|' -k1,1

しかし、それは必要ではないように感じます。ソートがソートではないのはなぜですか？

sort ロケールに対応しているため、LC_COLLATE設定（LANGから継承）に応じて、異なる結果が得られる場合があります。

$ LANG=C sort sort_fail.csv 
241|212|20810378
241|213|20810376
24|121|2810172
column_a|column_b|column_c

$ LANG=en_US sort sort_fail.csv
241|212|20810378
24|121|2810172
241|213|20810376
column_a|column_b|column_c

これはスクリプトで問題を引き起こす可能性があります。呼び出しロケールが設定されていることに気付かない可能性があり、異なる結果が得られる可能性があるためです。

スクリプトが必要な設定を強制することは珍しくありません

例えば

$ grep 'LC.*sort' /bin/precat
      LC_COLLATE=C sort -u | prezip-bin -z "$cmd: $2"

ここで面白いのは、|キャラクターが奇妙に見えることです。

しかし、それは、ISOから派生したen_USのデフォルトルールが言うためです。

$ grep 007C /usr/share/i18n/locales/iso14651_t1_common
<U007C> IGNORE;IGNORE;IGNORE;<j> # 142 |

つまり、|文字は無視され、ソート順は文字が存在しないかのようになります。

$ tr -d '|' < sort_fail.csv | LANG=C sort
24121220810378
241212810172
24121320810376
column_acolumn_bcolumn_c

そして、それはあなたが見ている「予期しない」ソートと一致します。

回避策は、使用する-n（数値ソートを強制する）か、フィールド区切り文字を使用する（実行した）か、Cロケールを使用することです。

私をイライラさせるのは24、2つの間の場所から動かないこと241です。2番目のフィールドはで始まり1ます。42番目のフィールドに先頭を付けて並べ替えを試みると、24が下に移動するためsort、|特に指示がない限り、単に無視すると思われます。試してみてくださいsort -n...

-n、-numeric-sortは文字列の数値に従って比較します

210
23

-nを指定しないと、文字ごとに210が23よりも先になります。