sortを理解する

この単元で学ぶこと

• 文字順と数値順を区別する
• フィールドと比較キーを指定する
• 並替えと重複除去・元ファイル更新を区別する

本文解説

行を並べ替える printf 'b\na\nc\n' | sortはa、b、cの順です。一行を一つの比較対象として扱い、行の中の文字をばらばらにはしません。sort data.txtの結果は通常標準出力へ出るだけなので、元のdata.txtをそのまま書き換えるわけではありません。

数字も最初は文字 printf '2\n10\n1\n' | sortの結果は1、10、2です。文字比較では先頭が1の行が2より前になります。sort -nなら数値として1、2、10です。番号を単なる文字列として並べるのか、量として数値順にするのかで選びます。

逆順 sort -rは指定した比較順を逆にします。数値を大きい順にしたいならsort -nrです。-rだけで自動的に数値順へ変わるわけではありません。2、10、1を-rで並べると2、10、1、-nrなら10、2、1になります。

フィールドで比較 name,score形式のA,20とB,3ならsort -t, -k2,2nで二番目のフィールドを数値として比較します。-t,は区切り文字、-k2,2nは二番目だけをキーにして数値比較する指定です。-k2と終点を省くと行末までキーへ含まれるため、複数列のデータでは範囲を明示します。

キーが同じ場合 GNU sortは指定キーが等しい場合、既定で行全体による最後の比較を行います。sort -sを加えるとその比較を抑え、等しいキーの入力順を保ちます。B,5とA,5なら-t, -k2,2nではA,5が先になり、-sを加えると入力順B,5が先です。

重複の除去 sort -uは比較上同じと扱う行を一つにします。通常の行全体比較ならsort | uniqに似た使い方ですが、キーや数値比較を追加すると同値の定義が変わります。sort -n -uでは1と01が同値となる例があり、文字列として異なる表記を両方残す目的には適しません。

出力先を安全に分ける sort input.txt > output.txtなら元の入力を保って結果を別ファイルへ保存できます。sort input.txt > input.txtはシェルが先に入力ファイルを切り詰めるため危険です。GNU sort -oには出力先指定がありますが、学習では専用の別出力先にして件数と内容を照合します。

再現条件と検証 並び順はロケールに影響されます。実習ではLC_ALL=Cをコマンドの環境として指定し、短いASCII入力で確認します。未整列かの検査にはsort -c、報告を抑えた検査には-Cがあり、整列済みなら終了0、順序違反なら非0です。並替えを行う処理と確認だけの処理を分けます。

図解

重要ポイント

• 通常のsortは数値の大小順とは限らない。
• -nが数値比較、-rが比較順の反転。
• -tで区切り、-kでキー範囲を指定。
• -sは等しいキーの入力順を保つ。

間違えやすい点

• sort -rだけで数値降順になると思わない。
• キー比較付き-uを常に行全体の重複除去とみなさない。
• 入力ファイルへ>で直接上書きしない。

用語解説

比較キー

並替えで比較対象にする行の一部分。

フィールド

区切りで分けた項目。

安定な並替え

キーが等しいデータの元の順を保つ並替え。

ロケール

文字比較等の地域・言語規則を定める環境。

関連教材

• uniqを理解する
• sort・uniq・wcの全体像
• wcを理解する
• grepのコマンド/運用演習