linux - 在这种特定情况下排序命令如何工作？

Question

所以我有一个名为 sortingnames.txt 的文本文件，在 cat 命令下它看起来像这样。

A. Thaliana
E. Coli
H. sapiens
S. cerevisiae
A thaliana
E Coli
H sapiens
S cerevisiae
A. Thaliana (plant)
E. Coli (Bacteria)
H. Sapiens (Human)
S. Cerevisiae (Yeast)
203 characters?
A. Thaliana Plant

然后我运行排序命令 $sort -k 3.2 sortingnames.txt。 弹出的结果是这样的。

203 characters
A thaliana
A. Thaliana
E Coli
E. Coli
H sapiens
H. sapiens
S cerevisiae
S. cerevisiae
E. Coli (Bacteria)
H. Sapiens (Human)
A. Thaliana (plant)
A. Thaliana Plant
S. Cerevisiae (Yeast)

最后 5 行的顺序对我来说没有意义。假设排序不考虑 ( 等标点符号，则大肠杆菌(细菌)的第三个字符是 c，(人类)的下一行是 m。植物系的第三个字符是 a，酵母系的第三个字符是 a。

然而 bash 返回了这个。有人能解释一下为什么吗？

Answer 1

似乎是与 en_US.UTF-8 相关的整理序列存在问题。在这种情况下，左括号 - ( - 被有效地忽略，最后 5 行看起来像:

E. Coli Bacteria)
H. Sapiens Human)
A. Thaliana plant)
A. Thaliana Plant
S. Cerevisiae Yeast)

因此，当您应用 -k3.2 时...请记住前导空格包含在计数中...您将得到以下排序结果:

' Bacteria)'
' Human)'
' plant)'
' Plant'
' Yeast)'

当您考虑不区分大小写的排序顺序时，小写字母优先于大写字母......对于en_US.UTF-8，结果是正确的......

尝试更改您的LANG 变量，例如unset LANG。在我的 SLES 环境中，所有 LC_* 变量都切换到“POSIX”，当我再次运行排序时，我发现左括号现在被视为排序字符串的一部分，因此在应用 -k3.2 时我得到:

' (Bacteria)
' (Human)
' (Yeast)
' (plant)
' Plant

...但在这种情况下，左括号优先于字母，并且我们看到区分大小写的排序，大写字母优先于小写字母...对于LANG=(以及各种LC_*变量=“POSIX”)