{"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\/hr\/blog\/administrirovanie\/kak-linuxovskij-sort-sortiruet-stroki","title":{"rendered":"Kako Linux’ov sort sortira retke","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

Uvod<\/h1>\n

<\/p>\n

Sve je po\u010delo s kratkim skriptom koja je trebala spojiti informacije o adresama e-mail<\/em> zaposlenika, dobivenih iz popisa korisnika mailing liste, s pozicijama zaposlenika, dobivenim iz baze podataka ljudskih resursa. Oba popisa su eksportirana u tekstualne datoteke u Unicode kodiranju UTF-8<\/em> i pohranjena s unixovskim zavr\u0161ecima redaka.<\/p>\n

<\/p>\n

Sadr\u017eaj mail.txt<\/em><\/p>\n

<\/p>\n

Ivanov Andrej;ia@example.com<\/code><\/pre>\n
<\/p>\n
Sadr\u017eaj buhg.txt<\/em><\/p>\n
<\/p>\n
Ivanova Alla;maljar\nJolkina Ella;kranov\u010dica\nIvanov Andrej;slavolikar\nAbakanov Mihail;maljar<\/code><\/pre>\n
<\/p>\n
Za spajanje, datoteke su sortirane unixovskom komandom sort<\/em> i predane na ulaz unix programu join<\/em>, koji je naglo zavr\u0161io s gre\u0161kom: <\/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: nije sortirano: Ivanov Andrej;slavolikar<\/code><\/pre>\n
<\/p>\n
Pogled na rezultat sortiranja pokazao je da je u cjelini sortiranje ispravno, ali u slu\u010daju podudaranja mu\u0161kih i \u017eenskih prezimena, \u017eenska se prezimena pojavljuju ispred mu\u0161kih:<\/p>\n
<\/p>\n
$> sort buhg.txt\nAbakanov Mihail;maljar\nJolkina Ella;kranov\u010dica\nIvanova Alla;maljar\nIvanov Andrej;slavolikar<\/code><\/pre>\n
<\/p>\n
Izgleda kao gre\u0161ka sortiranja u Unicodeu ili kao manifestacija feminizma u algoritmu sortiranja. Prvo je, naravno, vjerodostojnije.<\/p>\n
<\/a><\/noindex><\/p>\n
Ostavimo to za sada join<\/em> i usmjerimo se na sort<\/em>. Poku\u0161ajmo rije\u0161iti zadatak metodom poku\u0161aja i pogre\u0161ke. Za po\u010detak, promijenimo lokalitet s en_US<\/em> na ru_RU<\/em>. Za sortiranje bilo bi dovoljno postaviti varijablu okru\u017eenja LC_COLLATE<\/em>, ali ne\u0107emo ba\u0161 sitni\u010dariti:<\/p>\n
<\/p>\n
$> LANG=ru_RU.UTF-8 sort buhg.txt\nAbakanov Mihail;maljar\nJolkina Ella;kranov\u010dica\nIvanova Alla;maljar\nIvanov Andrej;slavolikar<\/code><\/pre>\n
<\/p>\n
NI\u0161ta se nije promijenilo.<\/p>\n
<\/p>\n
Poku\u0161ajmo prekodirati datoteke u jednogluk kodiranje: <\/p>\n
<\/p>\n
$> iconv -f UTF-8 -t KOI8-R buhg.txt \n | LANG=ru_RU.KOI8-R sort \n | iconv -f KOI8-R -t UTF8<\/code><\/pre>\n
<\/p>\n
Opet nije bilo promjena.<\/p>\n
<\/p>\n
Ne mo\u017eemo ni\u0161ta napamet, moramo tra\u017eiti rje\u0161enje na internetu. Iako o ruskim prezimenima nema ni\u010dega, postoje pitanja o drugim \u010dudnim pona\u0161anjima sortiranja. Na primjer, postoji takav problem: unix sort tretira ‘-‘ (crticu) kao nevidljivu<\/a><\/noindex>. Ukratko, nizovi "a-b", "aa", "ac" se sortiraju kao "aa", "a-b", "ac".<\/p>\n
<\/p>\n
Odgovor je svugdje standardan: koristite programski lokalitet "C"<\/em> i bit \u0107ete sretni. Poku\u0161ajmo:<\/p>\n
<\/p>\n
$> LANG=C sort buhg.txt\nJolkina Ella;kranov\u010dica\nAbakanov Mihail;maljar\nIvanov Andrej;slavolikar\nIvanova Alla;advokat<\/code><\/pre>\n
<\/p>\n
Ne\u0161to se promijenilo. Ivanovi su se postavili u pravilan red, ali Jolkina je nekako ispala. Vra\u0107amo se na izvorni zadatak:<\/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
Radilo je bez gre\u0161aka, kao \u0161to je internet obe\u0107ao. I to unato\u010d Jun\u010du u prvom redu.<\/p>\n
<\/p>\n
Izgleda da je problem re\u0161en, ali za svaki slu\u010daj isproba\u0107emo jo\u0161 jedan ruski kod \u2014 Windowsov. CP1251<\/em>:<\/p>\n
<\/p>\n
$> iconv -f UTF-8 -t CP1251 buhg.txt \n | LANG=hr_HR.CP1251 sort \n | iconv -f CP1251 -t UTF8 <\/code><\/pre>\n
<\/p>\n
Rezultat sortiranja, koliko god \u010dudno bilo, poklapa\u0107e se s lokalitetom "C"<\/em>, i ceo primer, shodno tome, prolazi bez gre\u0161aka. Neka vrsta mistike.<\/p>\n
<\/p>\n
Ne volim mistiku u programiranju, po\u0161to obi\u010dno maskira gre\u0161ke. Mora\u0107u ozbiljno da se pozabavim pitanjem kako to funkcioni\u0161e sort<\/em> i na \u0161ta uti\u010de LC_COLLATE<\/em> .<\/p>\n
<\/p>\n
Na kraju \u0107u poku\u0161ati da odgovorim na pitanja:<\/p>\n
<\/p>\n