Unix下划线字符排序处理

Question

我有两台linux机器，其unix排序似乎表现不同。我相信我已将其范围缩小到下划线字符的处理。

如果我运行sort tmp，其中tmp包含以下两行：

aa_d_hh
aa_dh_ey

一个机器输出

aa_d_hh
aa_dh_ey

（即'_'在'h'之前，而其他输出

aa_dh_ey
aa_d_hh

（即'h'在'_'之前）。我需要这些机器一起工作（稍后我将使用sort -m合并非常大的文件）。

有什么方法可以强制排序以一种或另一种方式运行？

谢谢。

Answer 1

您可以仅根据命令将LC_COLLATE设置为传统排序顺序：

env LC_COLLATE=C sort tmp

这不会仅改变当前执行sort命令的环境。您应该对此具有相同的行为。

Answer 2

排序顺序取决于环境变量LC_COLLATE的当前值。检查本地文档中的'locale'，'setlocale'等。在两台机器上将LC_COLLATE设置为'POSIX'，并且结果应该匹配。

Answer 3

这可能是由于地区差异引起的。在en_US.UTF-8语言环境中，下划线（_）在字母和数字之后排序，而在POSIX C locale中，它们在大写字母和数字之后排序，但before小写数字。

C

您也可以使用

# won't change LC_COLLATE=C after execution
$ LC_COLLATE=C sort filename

显示有关一般排序行为的更多信息：

sort --debug

也如

$ (echo 'foo_bar'; echo 'fooAbar'; echo 'foo0bar'; echo 'fooabar') |
      LC_COLLATE=en_US.UTF-8 sort --debug
sort: using ‘en_US.UTF-8’ sorting rules
foo0bar
fooabar
fooAbar
foo_bar

$ (echo 'foo_bar'; echo 'fooAbar'; echo 'foo0bar'; echo 'fooabar') | 
      LC_COLLATE=C sort --debug
sort: using simple byte comparison
foo0bar
fooAbar
foo_bar
fooabar

中所示，您可以使用以上公式对单个命令强制使用this answer，而无需修改shell环境：

Answer 4

差异是由于您的LC_COLLATE=C。使用locale命令检查当前设置。

[有许多不同的语言环境类别，例如locale，locale和LC_COLLATE。您可以通过设置环境变量LC_TIME或LC_MESSAGES来全部更改它们，或者通过设置环境变量LC_ALL仅更改排序规则（排序）顺序。语言环境LANG或LC_COLLATE是标准定义的基本语言环境；其他包括C（美国英语），POSIX（法语）等）>

Answer 5

我真的很喜欢上面给出有用示例的答案，我只是将另一个字符串添加到其列表中，以便您可以看到在许多标准POSIX安装中在此语言环境中如何处理下划线：