基础11：文件分类、合并和分割(sort,uniq,join,cut,paste,split)

QUOTE:

" 实用的分类（s o r t）操作。
" uniq。
" join。
" cut。
" paste。
" split。

sort用法
s o r t命令选项很长，下面仅介绍各种选项。

选项
s o r t命令的一般格式为：
 

1. sort -cmu -o output_file [other options] +pos1 +pos2 input_files

下面简要介绍一下s o r t的参数：

 

QUOTE:

-c 测试文件是否已经分类。
-m 合并两个分类文件。
-u 删除所有复制行。
-o 存储s o r t结果的输出文件名。

其他选项有：

 

QUOTE:

-b 使用域进行分类时，忽略第一个空格。
-n 指定分类是域上的数字分类。
-t 域分隔符；用非空格或t a b键分隔域。
-r 对分类次序或比较求逆。
+n n为域号。使用此域号开始分类。
n n为域号。在分类比较时忽略此域，一般与+ n一起使用。
post1 传递到m，n。m为域号，n为开始分类字符数；例如4，6意即以第5域分类，从第7个字符开始。

保存输出
- o选项保存分类结果，然而也可以使用重定向方法保存。下面例子保存结果到r e s u l t s . o u t：

1. $sort video.txt >results.out

启动方式
缺省情况下， s o r t认为一个空格或一系列空格为分隔符。要加入其他方式分隔，使用- t选s o r t执行时，先查看是否为域分隔设置了- t选项，如果设置了，则使用它来将记录分隔成域0、域1等等
；如果未设置，用空格代替。缺省时s o r t将整个行排序，指定域号的情况例外。

下面是文件v i d e o . t x t的清单，包含了上个季度家电商场的租金情况。各域为：（1）名称，（2）供货区代码，（3）本季度租金，（4）本年租金。域分隔符为冒号。为此对此例需 使用‘ - t’选项。文件如下：

1. [sam@chenwy sam]$ cat video.txt
2. Boys in Company C:HK:192:2192
3. Alien:HK:119:1982
4. The Hill:KL:63:2972
5. Aliens:HK:532:4892
6. Star Wars:HK:301:4102
7. A Few Good Men:KL:445:5851
8. Toy Story:HK:239:3972

sort对域的参照方式
关于s o r t的一个重要事实是它参照第一个域作为域0，域1是第二个域，等等。s o r t也可以使用整行作为分类依据。

文件是否已分类
怎样分辨文件是否已分类？如果只有3 0行，看看就知道了，但如果是4 0 0行呢，使用s o r t - c通知s o r t文件是否按某种顺序分类。
 

1. [sam@Linux_chenwy sam]$ sort -c video.txt
2. sort: video.txt:2: disorder: Alien:HK:119:1982

结果显示未分类，

现在将之分类，再试一次：

1. [sam@Linux_chenwy sam]$ sort -t:  video.txt >video2.txt
2. [sam@Linux_chenwy sam]$ sort -c video2.txt
3. [sam@Linux_chenwy sam]$

返回提示符表明已分类。然而如果测试成功，返回一个信息行会更好。

基本sort
最基本的s o r t方式为sort filename，按第一域进行分类（分类键0）。实际上读文件时s o r t操作将行中各域进行比较，这里返回基于第一域s o r t的结果

1. [sam@Linux_chenwy sam]$ sort -t: video.txt
2. A Few Good Men:KL:445:5851
3. Alien:HK:119:1982
4. Aliens:HK:532:4892
5. Boys in Company C:HK:192:2192
6. Star Wars:HK:301:4102
7. The Hill:KL:63:2972
8. Toy Story:HK:239:3972

sort分类求逆
如果要逆向s o r t结果，使用- r选项。在通读大的注册文件时，使用逆向s o r t很方便。下面是按域0分类的逆向结果。

1. [sam@Linux_chenwy sam]$ sort -t: -r video.txt
2. Toy Story:HK:239:3972
3. The Hill:KL:63:2972
4. Star Wars:HK:301:4102
5. Boys in Company C:HK:192:2192
6. Aliens:HK:532:4892
7. Alien:HK:119:1982
8. A Few Good Men:KL:445:5851

按指定域分类
有时需要只按第2域（分类键1）分类。这里为重排报文中供应区代码，使用t 1，意义为按分类键1分类。下面的例子中，所有供应区代码按分类键1分类；注意分类键2和3对应各域也被分类。

1. [sam@Linux_chenwy sam]$ sort -t: +1 video.txt
2. Alien:HK:119:1982
3. Boys in Company C:HK:192:2192
4. Toy Story:HK:239:3972
5. Star Wars:HK:301:4102
6. Aliens:HK:532:4892
7. A Few Good Men:KL:445:5851
8. The Hill:KL:63:2972

前几个第二域都是HK，第三域：119,192,301,489,532,63，按第一个数字分了，因此必须指定多域及数值域

数值域分类
依此类推，要按第三分类键分类，使用t 3。但是因为这是数值域，即为数值分类，可以使用- n选项。下面例子为按年租金分类命令及结果：

阅读全文>>