如何在 Unix 中使用 sort 对字母数字进行排序？比看起来更复杂

Question

我正在尝试使用 unix sort 命令以“直观”/自然的方式对一串字母和数字进行字母数字排序，但无法正确排序。我有这个文件：

$ cat ~/headers 
@42EBKAAXX090828:6:100:1699:328/2
@42EBKAAXX090828:6:10:1077:1883/2
@42EBKAAXX090828:6:102:785:808/2

我想按字母数字对其进行排序，直观上 @42EBKAAXX090828:6:10:... 排在第一位（因为 10 小于 100 和 102），第二位是 @42EBKAAXX090828:6:100...，第三位是 @42EBKAAXX090828:6:102:204:1871/2。

我知道建议对行内的特定位置进行排序，但这里 : 的位置可能会有所不同，因此这不是一个通用且可行的解决方案。

我试过了：

sort --stable -k1,1 ~/headers > foo

-n 和 -u 参数的各种组合，但它没有给出正确的顺序。

如何通过使用sort 的bash 或Python 有效地完成这项工作？我想将此应用于大小约为 4-5 GB 的文件，因此包含数百万行。

谢谢！

Answer 1

-V 选项似乎可以满足您的需求 - 自然排序。显然用于版本号（因此选择了字母）

sort -V ~/headers

输出

@42EBKAAXX090828:6:10:1077:1883/2
@42EBKAAXX090828:6:100:1699:328/2
@42EBKAAXX090828:6:102:785:808/2

Answer 2

它是按字母顺序对它进行排序，就像在您的示例中一样。 10: 出现在 100 和 102 之后的原因是 10: 在它们之后，因为冒号 : 在 9 字符之后 ASCII chart。

如果您想对以冒号分隔的第三个字段进行排序，请尝试以下操作：

sort -t':' -k3 ~/headers > foo

Answer 3

这通常称为自然排序。这是适用于您的示例数据集的一种方法。

import re

def natural_sorted(iterable, reverse=False):
    """Return a list sorted the way that humans expect."""
    def convert(text):
        return int(text) if text.isdigit() else text
    def natural(item):
        return map(convert, re.split('([0-9]+)', item))
    return sorted(iterable, key=natural, reverse=reverse)

我找到了这个here 并有所改进。