ソートでUnixで英数字をソートする方法は？より複雑なようです

Question

私はユニコードsortコマンドを使用して "直感的な" /自然な方法でアルファベットの文字と数字の文字列をソートしようとしていますが、正しくソートすることはできません。私は、このファイルを持っている：直感的@42EBKAAXX090828:6:10:...は（10が100と102よりも小さいので）、第二@42EBKAAXX090828:6:100...であり、第3は@42EBKAAXX090828:6:102:204:1871/2である第一である

$ cat ~/headers 
@42EBKAAXX090828:6:100:1699:328/2 
@42EBKAAXX090828:6:10:1077:1883/2 
@42EBKAAXX090828:6:102:785:808/2 

私は英数字でソートしたいのですが、。

ここでは、ライン内の特定の位置をソートすることをお勧めしますが、ここでは:の位置が変わる可能性があるため、ここでは一般的で実行可能な解決策ではありません。

私が試した：-nと-uパラメータの様々な組み合わせで

sort --stable -k1,1 ~/headers > foo 

を、それは正しい順序を与えるものではありません。

どのようにすれば、効率的に行うことができますか？sortを使用しているbashまたはPythonからですか？私はこれを4〜5 GBの丸いファイルに適用したいので、何百万もの行が含まれています。

ありがとうございます！

Answer 1

-Vオプションは、あなたがやりたいように見えます - 自然なソートを。これは通常、自然のソートと呼ばれる

@42EBKAAXX090828:6:10:1077:1883/2 
@42EBKAAXX090828:6:100:1699:328/2 
@42EBKAAXX090828:6:102:785:808/2 

Answer 2

はのようにアルファベット順にソートします。 10:は100と102後に来ている理由は、コロン:がASCII chartで9文字の後にあるので、10:は、それらの後であるということです。あなたはコロンで区切られた3番目のフィールドでソートしたいしている場合

、これを試してみてください。

sort -t':' -k3 ~/headers > foo 

Answer 3

（したがって、文字を選択）

sort -V ~/headers 

出力が明らかにバージョン番号を対象としています。あなたの例のデータセットに適した方法があります。

import re 

def natural_sorted(iterable, reverse=False): 
    """Return a list sorted the way that humans expect.""" 
    def convert(text): 
     return int(text) if text.isdigit() else text 
    def natural(item): 
     return map(convert, re.split('([0-9]+)', item)) 
    return sorted(iterable, key=natural, reverse=reverse) 

私はこれを見つけたhereと少し改善しました。