我有一个看起来像这样的CSV文件

AS2345，ASDF1232，Plain Example先生，RI Bintan ave.110，Atlantis，RI，12345，（999）123-5555,1.56
AS2345，ASDF1232，Plain Example夫人，1121110 Ternary st。110 Binary ave ..，Atlantis，RI，12345，（999）123-5555,1.56
AS2345，ASDF1232，Mr.Plain Example，RI Binary Ave.110，Liberty City，RI，12345，（999）123-5555,1.56
AS2345，ASDF1232，Mr。Plain Example，RI，Some City，Ternary ave.110，12345，（999）123-5555,1.56

我需要按行长度（包括空格）对其进行排序。以下命令不包含空格，有没有办法对其进行修改，以便它对我有用？

cat $@ | awk '{ print length, $0 }' | sort -n | awk '{$1=""; print $0}'

回答

cat testfile | awk '{ print length, $0 }' | sort -n -s | cut -d" " -f2-

或者，对所有等长线进行原始（可能是无意的）子分类：

cat testfile | awk '{ print length, $0 }' | sort -n | cut -d" " -f2-

在这两种情况下，我们都通过离开awk进行最终裁切解决了您提出的问题。

匹配长度的线-如果打领带，该怎么办：

该问题未指定是否要对匹配长度的行进行进一步排序。我认为这是不必要的，建议使用-s（--stable）防止这样的行彼此排序，并保持它们在输入中出现的相对顺序。

（那些想要更好地控制这些关系的排序者可以考虑sort的--key选项。）

为什么问题的尝试解决方案失败（awk线重建）：

有趣的是注意到以下两者之间的区别：

echo "hello   awk   world" | awk '{print}'
echo "hello   awk   world" | awk '{$1="hello"; print}'

它们分别产生

hello   awk   world
hello awk world

（gawk）手册的相关部分仅提及，当您更改一个字段时，awk将重新构建整个$ 0（基于分隔符等）。我想这不是疯狂的行为。它具有：

“最后，有时候使用字段和OFS的当前值强制awk重建整个记录很方便。为此，请使用看似无害的赋值：”

 $1 = $1   # force record to be reconstituted
 print $0  # or whatever else with $0

“这迫使awk重建记录。”

测试输入，包括一些等长的行：

aa A line   with     MORE    spaces
bb The very longest line in the file
ccb
9   dd equal len.  Orig pos = 1
500 dd equal len.  Orig pos = 2
ccz
cca
ee A line with  some       spaces
1   dd equal len.  Orig pos = 3
ff
5   dd equal len.  Orig pos = 4
g

如果您真的想使用neillb的AWK解决方案，那就很好了awk，它解释了那里的麻烦所在，但是如果您想要的是快速完成工作并且不在乎您做什么，那么一种解决方案是使用Perl的sort()功能带有自定义的Caparison例程，可以遍历输入行。这是一个班轮：

perl -e 'print sort { length($a) <=> length($b) } <>'

您可以将其放在您需要的任何位置的管道中，从STDIN接收（来自cat或Shell重定向），或仅将文件名提供给perl作为另一个参数，然后让它打开文件。

在我的情况下，我首先需要最长的行，因此我将其换出$a并$b进行比较。

请尝试以下命令：

awk '{print length, $0}' your-file | sort -n | cut -d " " -f2-

基准结果

以下是针对该问题的其他答案的各种解决方案基准测试的结果。

测试方法

• 快速机器上连续运行10次，平均
• Perl 5.24
• awk 3.1.5（gawk 4.1.0倍快了约2％）
• 输入文件为550MB，600万行（英国国家语料库txt）

结果

1. Caleb的perl解决方案花费了11.2秒
2. 我的perl解决方案花了11.6秒
3. neillb的awk解决方案＃1用了20秒
4. neillb的awk解决方案＃2用了23秒
5. anubhava的awk解决方案花了24秒
6. 乔纳森的awk解决方案花了25秒
7. Fretz的bash解决方案所花的时间比awk解决方案长400 倍（使用截断的100000行测试用例）。它工作正常，只是需要永远。

额外的perl选择

另外，我添加了另一个Perl解决方案：

perl -ne 'push @a, $_; END{ print sort { length $a <=> length $b } @a }' file

纯重击：

declare -a sorted

while read line; do
  if [ -z "${sorted[${#line}]}" ] ; then          # does line length already exist?
    sorted[${#line}]="$line"                      # element for new length
  else
    sorted[${#line}]="${sorted[${#line}]}\n$line" # append to lines with equal length
  fi
done < data.csv

for key in ${!sorted[*]}; do                      # iterate over existing indices
  echo -e "${sorted[$key]}"                       # echo lines with equal length
done

该length()函数确实包含空格。我将对您的管道进行一些细微的调整（包括避免使用UUOC）。

awk '{ printf "%d:%s\n", length($0), $0;}' "$@" | sort -n | sed 's/^[0-9]*://'

该sed命令直接删除该命令添加的数字和冒号awk。另外，请保留以下格式awk：

awk '{ print length($0), $0;}' "$@" | sort -n | sed 's/^[0-9]* //'

我发现如果您的文件包含以数字开头的行，这些解决方案将不起作用，因为它们将与所有计数行一起进行数字排序。该解决方案是给sort所述-g（通用数字排序）标志，而不是-n（数字排序）：

awk '{ print length, $0 }' lines.txt | sort -g | cut -d" " -f2-

使用POSIX Awk：

{
  c = length
  m[c] = m[c] ? m[c] RS $0 : $0
} END {
  for (c in m) print m[c]
}

例

1）纯awk溶液。假设线长不能大于1024

猫文件名| awk'BEGIN {min = 1024; s =“”;} {l = length（$ 0）; 如果（l <min）{min = l; s = $ 0;}} END {print s}'

2）假设所有行只有1个单词的一种内衬bash解决方案，但是对于所有行都具有相同单词数的任何情况都可以重做：

LINES = $（猫文件名）; $ LINES中的k；做printf“ $ k”; 回声$ k | wc -L; 完成| 排序-k2 | 头-n 1 | 剪切-d“” -f1

这是一种按字节排序的多字节兼容方法。这个需要：

1. wc -m 可供您使用（macOS拥有）。
2. 您当前的语言环境支持多字节字符，例如，通过设置LC_ALL=UTF-8。您可以在.bash_profile中设置它，也可以在以下命令之前添加它。
3. testfile 具有与您的语言环境匹配的字符编码（例如，UTF-8）。

这是完整的命令：

cat testfile | awk '{l=$0; gsub(/\047/, "\047\"\047\"\047", l); cmd=sprintf("echo \047%s\047 | wc -m", l); cmd | getline c; close(cmd); sub(/ */, "", c); { print c, $0 }}' | sort -ns | cut -d" " -f2-

逐部分解释：

• l=$0; gsub(/\047/, "\047\"\047\"\047", l);←在awk变量中构成每一行的副本，并且每行都进行l两次转义，'因此可以安全地将其作为shell命令回显（\047八进制表示法中的单引号）。
• cmd=sprintf("echo \047%s\047 | wc -m", l);←这是我们将要执行的命令，它将转义的行回显到wc -m。
• cmd | getline c;←执行命令，并将返回的字符计数值复制到awk变量中c。
• close(cmd); ←关闭shell命令的管道，以避免在一个进程中达到打开文件数的系统限制。
• sub(/ */, "", c);←从返回的字符计数值中修剪空格wc。
• { print c, $0 } ←打印该行的字符计数值，一个空格和原始行。
• | sort -ns←用数字（-n）对行（通过前置的字符计数值）进行排序，并保持稳定的排序顺序（-s）。
• | cut -d" " -f2- ←删除前置的字符计数值。

它很慢（在快速的Macbook Pro上只有每秒160行），因为它必须为每行执行一个子命令。

或者，仅使用gawk（从版本3.1.5开始，gawk可以感知多字节）单独执行此操作，这将明显更快。进行所有转义和双引号以安全地通过awk的shell命令传递代码行是很麻烦的，但这是我发现不需要安装其他软件的唯一方法（默认情况下，gawk不可用）苹果系统）。