{"id":83055,"date":"2020-05-28T01:42:15","date_gmt":"2020-05-27T23:42:15","guid":{"rendered":"https:\/\/prohoster.info\/blog\/administrirovanie\/kak-linuxovskij-sort-sortiruet-stroki"},"modified":"2020-05-28T01:42:15","modified_gmt":"2020-05-27T23:42:15","slug":"kak-linuxovskij-sort-sortiruet-stroki","status":"publish","type":"post","link":"https:\/\/prohoster.info\/et\/blog\/administrirovanie\/kak-linuxovskij-sort-sortiruet-stroki","title":{"rendered":"Kuidas Linux'i sort sorteerib stringe","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

Sissejuhatus<\/h1>\n

<\/p>\n

K\u00f5ik algas l\u00fchikesest skriptist, mis pidi \u00fchendama teabe t\u00f6\u00f6tajate e-posti aadresside kohta, e-mail<\/em> mis saadud e-posti loendi kasutajate nimekirjast, koos t\u00f6\u00f6tajate ametikohtadega, mis saadi personaliosakonna andmebaasist. M\u00f5lemad nimekirjad eksporditi tekstifailidesse Unicode kodeeringuga, UTF-8<\/em> ja salvestati Unix'i ridade l\u00f5ppudega.<\/p>\n

<\/p>\n

Sisu mail.txt<\/em><\/p>\n

<\/p>\n

Ivanov Andrei;ia@example.com<\/code><\/pre>\n
<\/p>\n
Sisu buhg.txt<\/em><\/p>\n
<\/p>\n
Ivanova Alla;maaler\nJolkina Ella;kraanajuhiks\nIvanov Andrei;torumees\nAbakanov Mihhail;maaler<\/code><\/pre>\n
<\/p>\n
Failide \u00fchendamiseks sorteeriti need Unix'i k\u00e4suga sort<\/em> ja edastati Unix'i programmile, liitu<\/em>, mis l\u00f5petas ootamatult vea t\u00f5ttu: <\/p>\n
<\/p>\n
$> sort buhg.txt > buhg.srt\n$> sort mail.txt > mail.srt\n$> join buhg.srt mail.srt > result\njoin: buhg.srt:4: pole sorteeritud: Ivanov Andrei;torumees<\/code><\/pre>\n
<\/p>\n
Sorteerimise tulemuse visuaalne kontroll n\u00e4itas, et \u00fcldiselt on sorteerimine \u00f5ige, kuid meessoost ja naissoost perekonnanimede kattumiste korral on naised enne mehi:<\/p>\n
<\/p>\n
$> sort buhg.txt\nAbakanov Mihhail;maaler\nJolkina Ella;kraanajuhiks\nIvanova Alla;maaler\nIvanov Andrei;torumees<\/code><\/pre>\n
<\/p>\n
Tundub nagu Unicode sorteerimise viga v\u00f5i nagu feminism sorteerimisalgoritmis. Esimene, muidugi, on usutavam.<\/p>\n
<\/a><\/noindex><\/p>\n
J\u00e4tame praegu k\u00f5rvale liitu<\/em> ja keskendume sort<\/em>. Proovime \u00fclesannet lahendada katsetamise meetodil. Alguseks muutkem kohaleks en_US<\/em> j\u00e4rgnevaga et_RU<\/em>. Sorteerimiseks piisaks keskkonnamuutuja seadmisest LC_COLLATE<\/em>, aga me ei j\u00e4\u00e4 selliste v\u00e4ikeste asjadega vaeva:<\/p>\n
<\/p>\n
$> LANG=et_RU.UTF-8 sort buhg.txt\nAbakanov Mihhail;v\u00e4rvija\nJolkina Ella;kraanajuhataja\nIvanova Alla;v\u00e4rvija\nIvanov Andrei;torumees<\/code><\/pre>\n
<\/p>\n
Midagi ei ole muutunud.<\/p>\n
<\/p>\n
Proovime faile \u00fchebaidise kodeeringuga \u00fcmber kodeerida: <\/p>\n
<\/p>\n
$> iconv -f UTF-8 -t KOI8-R buhg.txt \n | LANG=et_RU.KOI8-R sort \n | iconv -f KOI8-R -t UTF8<\/code><\/pre>\n
<\/p>\n
Taaskord ei ole midagi muutunud.<\/p>\n
<\/p>\n
Midagi ei ole teha, tuleb leida lahendus internetist. Otseses m\u00f5ttes venekeelsete perekonnanimede kohta pole midagi, aga on k\u00fcsimusi teiste sorteerimise eriskummaliste asjade kohta. N\u00e4iteks selline probleem: unix sort k\u00e4sitleb ‘-‘ (kriips) m\u00e4rke n\u00e4htamatuna<\/a><\/noindex>. L\u00fchidalt \u00f6eldes sorteeritakse stringid "a-b", "aa", "ac" nagu "aa", "a-b", "ac".<\/p>\n
<\/p>\n
Vastus on igal pool standardne: kasutage programmeerija kohalikke seadeid "C"<\/em> ja siis on teil \u00f5nn. Proovime:<\/p>\n
<\/p>\n
$> LANG=C sort buhg.txt\nJolkina Ella;kraanajuhataja\nAbakanov Mihhail;v\u00e4rvija\nIvanov Andrei;torumees\nIvanova Alla;advokaat<\/code><\/pre>\n
<\/p>\n
Midagi on muutunud. Ivanov\u2019id on \u00f5iges j\u00e4rjekorras, kuid Jolkina on kuhugi kadunud. Naaseme algsele \u00fclesandele:<\/p>\n
<\/p>\n
$> LANG=C sort buhg.txt > buhg.srt\n$> LANG=C sort mail.txt > mail.srt\n$> LANG=C join buhg.srt mail.srt > result<\/code><\/pre>\n
<\/p>\n
See toimis ilma vigadeta, nagu lubas internet. Ja see on vaatamata \u0401lkini esimesele reale.<\/p>\n
<\/p>\n
Probleem n\u00e4ib olevat lahendatud, kuid igaks juhuks proovime veel \u00fcht vene kodeeringut \u2014 Windowsi kodeeringut CP1251<\/em>:<\/p>\n
<\/p>\n
$> iconv -f UTF-8 -t CP1251 buhg.txt \n | LANG=ru_RU.CP1251 sort \n | iconv -f CP1251 -t UTF8 <\/code><\/pre>\n
<\/p>\n
Sorteerimise tulemus, nagu imelik see ka ei oleks, vastab lokaadile "C"<\/em>, ja kogu n\u00e4ide seega l\u00e4bib ilma vigadeta. Milline m\u00fcstika.<\/p>\n
<\/p>\n
Ma ei armasta m\u00fcstikat programmeerimises, kuna see varjab tavaliselt vigu. Pean t\u00f5siselt tegelema k\u00fcsimusega, kuidas see t\u00f6\u00f6tab sort<\/em> ja millele see m\u00f5ju avaldab LC_COLLATE<\/em> .<\/p>\n
<\/p>\n
L\u00f5puks p\u00fc\u00fcan vastata k\u00fcsimustele:<\/p>\n
<\/p>\n