排序命令中空格的处理。LC_COLLATE=c与LC_COLLATE=“en_en.US.UTF 8”的差异

Question

我试图在sort命令的手册页中查找这一点，但什么也找不到。因此，请考虑以下文本文件t.txt

 11
1 0

( t.txt的二进制表示)

$ xxd -p t.txt
2031310a3120300a

)

在此文件上使用LC_COLLATE="en_US.UTF-8"与sort一起提供：

$  LC_COLLATE="en_US.UTF-8" sort t.txt
1 0
 11

如果我们检查文件中的第二个字符位置(或列)，就会发现第一行有一个空格，第二行有一个1。由于空间具有0x20的十六进制值(小于1的十六进制值(即0x31) )，所以我假设这种排序会提供：

 11
1 0 

结果表明，使用LC_COLLATE=c可以获得期望的排序顺序。

$ LC_COLLATE=c sort t.txt
 11
1 0

在这种情况下，LC_COLLATE="en_US.UTF-8"和LC_COLLATE=c的区别是什么原因？

另请参阅：

• ALL=C“做什么？
• 为什么ls排序忽略非字母数字字符？
• 如何在Linux / POSIX中工作，以及应用了哪些转换？
• 国际化:排序顺序，字符集，重音，GLOB模式

编辑：

有关这一问题的更多信息可在这里找到：

• 在utf-8校对中，为什么11-小于1-？
• UNICODE排序算法
• unix排序忽略空白空间
• 分类坏了吗？
• 为什么“排序”忽略特殊字符，如星号？

Answer 1

在en_US区域设置中排序时忽略标点符号

注意，排序可以使用-b选项显式跳过空格，但请注意这是要使用的技巧，因此我建议在使用该选项时使用排序-调试选项。