Unix 排序实用程序：使用十六进制字节值作为分隔符

Question

我想知道是否可以使用十六进制值作为 Unix

sort

实用程序的分隔符。 基本上我想做一些类似的事情：

sort -t '\x00' <input

但是如果我按照上面的方式做是不行的。

Answer 1

如果您阅读 GNU

sort

手册，您会发现：

-t separator

，

--field-separator=separator

在每个字段中查找排序键时，使用字符分隔符作为字段分隔符 线。默认情况下，字段由非空白之间的空字符串分隔 字符和空白字符。默认情况下，空白是空格或制表符，但是 LC_CTYPE 语言环境可以改变这一点。 也就是说，给定输入行

foo bar

，排序将其分为字段

foo

和

bar

。字段分隔符不被视为前面字段的一部分 或后面的字段，因此对于

sort -t " "

，同一输入行有三个 fields：空字段、“foo”和“bar”。但是，延伸到末尾的字段 行的，如

-k 2

，或由范围组成的字段，如

-k 2,3

，保留字段 范围端点之间存在分隔符。 要将 ASCII nul 指定为字段分隔符，请使用两个字符的字符串

\0

， 例如，

sort -t ’\0’

。

这适用于旧版（GNU CoreUtils 5.97）

sort

。

---

在 Linux 上似乎没有办法做到这一点。我尝试了很多技巧来将 NUL (0x00) 字节放入分隔符中，并且

sort

命令抱怨：

sort: empty tab

在输入命令行时，无法使用 Control-V @ 执行此操作；外壳 (

bash

) 不喜欢这样。

我有一个程序

genchar

将字节写入输出，所以我尝试了：

sort -t "$(genchar 0)" ...

那也不起作用；我从

sort

收到错误。

$ genchar 0 | od -c
0000000  \0  \n
0000002
$

如果你能够使用 control-A 来代替，那就没有问题了。

请注意，

sort

不会扩展“

-t

”选项参数中的十六进制转义序列；您必须提供您想要使用的实际字节。 您可能也不能使用换行符作为字段分隔符；如果这样做，记录分隔符是什么？

GNU“排序”（无论如何，从 CoreUtils 5.97 开始；当前版本是 8.12 - 截至 2011 年 4 月 26 日）确实支持

-z

选项：

• -z

  ,

  --zero-terminated

  以 0 字节结束行，而不是换行符

遗憾的是，这不是您正在寻找的。

Answer 2

正如 Jonathan Leffler 所指出的，GNU

sort

没有内部字段分隔符，但您可以使用

tr

将其替换为文件中没有的其他字符，然后返回它。

示例：

让我们创建一个两行测试文件：

echo -e 'this\x19\list\nhas\x19hexa chars' > file.tmp
cat file.tmp | od -ch

0000000   t   h   i   s 031   l   i   s   t  \n   h   a   s 031   h   e
       6874    7369    6c19    7369    0a74    6168    1973    6568
0000020   x   a       c   h   a   r   s  \n
       6178    6320    6168    7372    000a
0000031

（请注意，

od

显示反转的字符对，即：ht=6874，is=7369，l x19=6c19）因此，该文件在@位置有一个十六进制字符0x19：

this@list
has@hexa chars

然后我们将所需的字符 \x19 更改为磅

#

字符，按第二个字段排序，然后撤消：

sort -k 2 -t $'#' <(cat file.tmp | tr $'\x19' '#') | tr '#' $'\x19'

结果：

has@hexa chars
this@list

其中 @ 是 0x19 字符。