为Python排序巨大的文件

Question

我为Python3实现了二进制搜索算法。问题在于它需要根据Python的字符串比较逻辑对文件进行排序。重击sort不会这样做。示例：

aa      first
aaA     second
aaa     third

此文件根据Python3正确排序，因为'aa' < 'aaA' < 'aaa'

如果我使用bash（sort --key=1 --field-separator=$'\t' file.txt）对其进行排序，则会得到：

aaA     second
aaa     third
aa      first

是否有有效种方法来为Python“正确”排序大文件？

教我的算法bash字符串比较方法会更容易吗？

Answer 1

sort使用您的locale规则进行排序。显然，您需要“ C”样式的排序。

因此更改您的语言环境，仅用于您的排序命令：

LC_ALL=C sort $your_file

此外，由于它是默认设置，因此您无需指定--key=1。

并且--field-separator=\t不会将其设置为制表符，而是将其设置为普通的“ t”。如果需要指定制表符，可以写--field-separator=$'\t'。

Answer 2

bash的顺序取决于您的偏好。您的排序首选项可以通过

找到

echo "LC_ALL"

我使用时

export LC_ALL=en_US.UTF-8

我得到您的“错误”订购。可以通过

“固定”

export LC_ALL=C

或

# wrong: LC_ALL=C sort --key=1 --field-separator=\t file.txt

编辑：@mivk进行了一些更正，命令应该是

LC_ALL=C sort --field-separator=$'\t' file.txt