{"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\/hu\/blog\/administrirovanie\/kak-linuxovskij-sort-sortiruet-stroki","title":{"rendered":"Hogyan rendezi a Linux-os sort a sorokat","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

Bevezet\u00e9s<\/h1>\n

<\/p>\n

Minden egy r\u00f6vid szkripttel kezd\u0151d\u00f6tt, amelynek az volt a c\u00e9lja, hogy \u00f6sszevonja az e-mail c\u00edmet e-mail<\/em> a munkat\u00e1rsakr\u00f3l, amelyeket a h\u00edrlev\u00e9l felhaszn\u00e1l\u00f3i list\u00e1j\u00e1b\u00f3l kaptunk, a munkat\u00e1rsak beoszt\u00e1saival, amelyeket a HR adatb\u00e1zisb\u00f3l nyert\u00fcnk. Mindk\u00e9t lista sz\u00f6vegf\u00e1jlokba lett export\u00e1lva Unicode k\u00f3dol\u00e1sban UTF-8<\/em> \u00e9s Unix-os sorv\u00e9gz\u0151d\u00e9sekkel lettek mentve.<\/p>\n

<\/p>\n

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

<\/p>\n

Ivanov Andr\u00e1s;ia@example.com<\/code><\/pre>\n
<\/p>\n
Tartalom buhg.txt<\/em><\/p>\n
<\/p>\n
Ivanova Alla;fest\u0151\nYolkina Ella;darukezel\u0151\nIvanov Andr\u00e1s;szerel\u0151\nAbakanov Mih\u00e1ly;fest\u0151<\/code><\/pre>\n
<\/p>\n
Az egyes\u00edt\u00e9shez a f\u00e1jlokat a Unix parancs seg\u00edts\u00e9g\u00e9vel rendezt\u00e9k sort<\/em> \u00e9s a Unix program bemenet\u00e9re ker\u00fcltek join<\/em>, amely v\u00e1ratlanul hib\u00e1val z\u00e1rult: <\/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: nincs rendezve: Ivanov Andr\u00e1s;szerel\u0151<\/code><\/pre>\n
<\/p>\n
A rendez\u00e9s eredm\u00e9ny\u00e9nek szemmel t\u00f6rt\u00e9n\u0151 \u00e1ttekint\u00e9se arra mutatott, hogy a rendez\u00e9s \u00e1ltal\u00e1ban helyes, de a f\u00e9rfiak \u00e9s n\u0151k neveinek \u00fctk\u00f6z\u00e9se eset\u00e9n a n\u0151i nevek megel\u0151zik a f\u00e9rfiakat:<\/p>\n
<\/p>\n
$> sort buhg.txt\nAbakanov Mih\u00e1ly;fest\u0151\nYolkina Ella;darukezel\u0151\nIvanova Alla;fest\u0151\nIvanov Andr\u00e1s;szerel\u0151<\/code><\/pre>\n
<\/p>\n
\u00dagy t\u0171nik, ez a Unicode rendez\u00e9s bugja, vagy a feminizmus megnyilv\u00e1nul\u00e1sa a rendez\u00e9si algoritmusban. Az els\u0151, term\u00e9szetesen, val\u00f3sz\u00edn\u0171bb.<\/p>\n
<\/a><\/noindex><\/p>\n
Hagyjuk most join<\/em> \u00e9s koncentr\u00e1ljunk sort<\/em>. Pr\u00f3b\u00e1ljuk meg megoldani a probl\u00e9m\u00e1t a k\u00eds\u00e9rletez\u00e9s m\u00f3dszer\u00e9vel. El\u0151sz\u00f6r is, v\u00e1ltoztassuk meg a nyelvi be\u00e1ll\u00edt\u00e1st en_US<\/em> Gyorsan eml\u00e9kezz\u00fcnk vissza, hogyan m\u0171k\u00f6dik a modul\u00e1ris aritmetika. Az \u00f3ra m\u00e1r egy ismert koncepci\u00f3. Az \u00f3r\u00e1k haszn\u00e1lata ru_RU<\/em>. A rendez\u00e9shez elegend\u0151 lenne a k\u00f6rnyezeti v\u00e1ltoz\u00f3 be\u00e1ll\u00edt\u00e1sa LC_COLLATE<\/em>, de nem fogunk fukarkodni:<\/p>\n
<\/p>\n
$> LANG=ru_RU.UTF-8 sort buhg.txt\nAbakanov Mih\u00e1ly;fest\u0151\nYolkina Ella;darukezel\u0151\nIvanova Alla;fest\u0151\nIvanov Andr\u00e1s;szerel\u0151<\/code><\/pre>\n
<\/p>\n
Semmi sem v\u00e1ltozott.<\/p>\n
<\/p>\n
Pr\u00f3b\u00e1ljuk meg a f\u00e1jlokat egy b\u00e1jtos k\u00f3dol\u00e1sra \u00e1tkonvert\u00e1lni: <\/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
Megint semmi sem v\u00e1ltozott.<\/p>\n
<\/p>\n
Nem tehet\u00fcnk m\u00e1st, interneten kell megold\u00e1st keresn\u00fcnk. Kifejezetten orosz nevekr\u0151l nincsenek inform\u00e1ci\u00f3k, de vannak k\u00e9rd\u00e9sek m\u00e1s rendez\u00e9si furcsas\u00e1gokr\u00f3l. P\u00e9ld\u00e1ul a k\u00f6vetkez\u0151 probl\u00e9ma: A UNIX rendez\u0151program a ‘-‘ (t\u00f6rzs) karaktereket l\u00e1thatatlank\u00e9nt kezeli<\/a><\/noindex>. R\u00f6viden, az "a-b", "aa", "ac" sztringeket \u00edgy rendezik: "aa", "a-b", "ac".<\/p>\n
<\/p>\n
A v\u00e1lasz mindenhol standard: haszn\u00e1lj programoz\u00f3i nyelvet "C"<\/em> \u00e9s boldog leszel. Pr\u00f3b\u00e1ljuk:<\/p>\n
<\/p>\n
$> LANG=C sort buhg.txt\nYolkina Ella;darukezel\u0151\nAbakanov Mih\u00e1ly;fest\u0151\nIvanov Andr\u00e1s;szerel\u0151\nIvanova Alla;\u00fcgyv\u00e9d<\/code><\/pre>\n
<\/p>\n
Valami megv\u00e1ltozott. Ivanovok a helyes sorrendbe \u00e1lltak, b\u00e1r Yolkina valahov\u00e1 elt\u0171nt. Visszat\u00e9r\u00fcnk az eredeti feladathoz:<\/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
Hib\u00e1tlanul m\u0171k\u00f6d\u00f6tt, ahogy az internet \u00edg\u00e9rte. \u00c9s ez mal a \u0401lkin els\u0151 sor\u00e1hoz k\u00e9pest.<\/p>\n
<\/p>\n
A probl\u00e9ma \u00fagy t\u0171nik megold\u00f3dott, de az\u00e9rt pr\u00f3b\u00e1ljunk ki m\u00e9g egy orosz k\u00f3dol\u00e1st \u2013 a Windows-it. CP1251<\/em>:<\/p>\n
<\/p>\n
$> iconv -f UTF-8 -t CP1251 buhg.txt \n | LANG=hu_HU.CP1251 sort \n | iconv -f CP1251 -t UTF8 <\/code><\/pre>\n
<\/p>\n
A rendez\u00e9s eredm\u00e9nye, meglep\u0151 m\u00f3don, egybeesik a lok\u00e1lissal "C"<\/em>, \u00e9s az eg\u00e9sz p\u00e9lda ennek megfelel\u0151en hib\u00e1k n\u00e9lk\u00fcl \u00e1tmegy. Valamilyen misztika.<\/p>\n
<\/p>\n
Nem szeretem a misztik\u00e1t a programoz\u00e1sban, mert \u00e1ltal\u00e1ban a hib\u00e1k elrejt\u00e9s\u00e9re szolg\u00e1l. Komolyan foglalkoznom kell azzal, hogyan m\u0171k\u00f6dik sort<\/em> \u00e9s milyen hat\u00e1ssal van LC_COLLATE<\/em> .<\/p>\n
<\/p>\n
A v\u00e9g\u00e9n megpr\u00f3b\u00e1lok v\u00e1laszolni a k\u00e9rd\u00e9sekre:<\/p>\n
<\/p>\n