按文件的基本名称对文件的路径名数组进行排序

假设我有存储在数组中的文件的路径名列表

filearray=("dir1/0010.pdf" "dir2/0003.pdf" "dir3/0040.pdf" ) 

我想根据文件名的基本名称以数字顺序对数组中的元素进行排序

sortedfilearray=("dir2/0003.pdf" "dir1/0010.pdf" "dir3/0040.pdf") 

我怎样才能做到这一点？

我只能对它们的基本名称部分进行排序：

basenames=()
for file in "${filearray[@]}"
do
    filename=${file##*/}
    basenames+=(${filename%.*})
done
sortedbasenamearr=($(printf '%s\n' "${basenames[@]}" | sort -n))

我在想

• 创建一个关联数组，其键是基名，值是路径名，因此对路径名的访问总是通过基名完成的。
• 仅为基名创建另一个数组，然后将其应用于基sort名数组。

谢谢。

与ksh或zsh相反，bash不支持对数组或任意字符串列表进行排序。它可以排序水珠或输出alias或set或typeset（虽然这最后3不会在用户的区域设置排序顺序），但实际上不能在这里使用。

POSIX工具箱中没有任何东西可以很容易地对任意字符串列表进行排序（sort排序行，因此只有NUL和换行符以外的短字符（LINE_MAX通常比PATH_MAX短）序列，而文件路径是其他非空字节序列大于0）。

因此，尽管您可以awk使用（使用<字符串比较运算符）甚至bash使用（使用[[ < ]]）实现自己的排序算法，但对于中的任意路径bash，可移植的最简单的方法可能是perl：

使用bash4.4+，您可以执行以下操作：

readarray -td '' sorted_filearray < <(perl -MFile::Basename -l0 -e '
  print for sort {basename($a) cmp basename($b)} @ARGV' -- "${filearray[@]}")

这给出了类似strcmp()的顺序。对于基于语言环境的排序规则（例如，在glob中或在其输出中）的订单ls，请向中添加一个-Mlocale参数perl。对于数字排序（更像GNU，sort -g因为它支持的数字为+3，1.2e-5而不是千位分隔符，尽管不是十六进制），请使用<=>代替cmp（和再次使用命令-Mlocale来纪念用户的小数点sort）。

您将受到命令参数最大大小的限制。为了避免这种情况，您可以将文件列表传递到perl其标准输入上，而不是通过参数传递：

readarray -td '' sorted_filearray < <(
  printf '%s\0' "${filearray[@]}" | perl -MFile::Basename -0le '
    chomp(@files = <STDIN>);
    print for sort {basename($a) cmp basename($b)} @files')

对于较旧的版本bash，您可以使用while IFS= read -rd ''循环代替，readarray -d ''也可以perl输出正确引用的路径列表，以便将其传递给eval "array=($(perl...))"。

使用zsh，您可以伪造全局扩展，可以为其定义排序顺序：

sorted_filearray=(/(e{'reply=($filearray)'}oe{'REPLY=$REPLY:t'}))

通过reply=($filearray)我们实际上迫使全局扩展（最初只是/）成为数组的元素。然后，我们根据文件名的尾部定义排序顺序。

对于strcmp()样顺序，固定区域设置为C.对于数值排序（类似于GNU sort -V，不sort -n进行比较时，这使得一个显著差1.4和1.23（语言区域.是十进制标记）例如），添加n水珠限定符。

除了oe{expression}，您还可以使用函数来定义排序顺序，例如：

by_tail() REPLY=$REPLY:t

或更高级的类似：

by_numbers_in_tail() REPLY=${(j:,:)${(s:,:)${REPLY:t}//[^0-9]/,}}

（因此a/foo2bar3.pdf（2,3数字）在b/bar1foo3.pdf（1,3）之后但在c/baz2zzz10.pdf（2,10）之前排序）并用作：

sorted_filearray=(/(e{'reply=($filearray)'}no+by_numbers_in_tail))

当然，这些可以应用于真正的glob，因为这是它们的主要目的。例如，对于pdf任何目录中的文件列表，按基名称/尾排序：

pdfs=(**/*.pdf(N.oe+by_tail))

¹如果strcmp()可以接受基于-的排序，并且对于短字符串，则可以awk在传递给字符串之前将其转换为十六进制编码，然后sort在排序之后进行转换。

sort在GNU中，coreutils允许自定义字段分隔符和键。您设置/为字段分隔符，然后根据第二个字段进行排序，以对基本名称而不是整个路径进行排序。

printf "%s\n" "${filearray[@]}" | sort -t/ -k2 将产生

dir2/0003.pdf
dir1/0010.pdf
dir3/0040.pdf

用gawk表达式排序（受bash的支持readarray）：

包含空格的文件名示例数组：

filearray=("dir1/name 0010.pdf" "dir2/name  0003.pdf" "dir3/name 0040.pdf")

readarray -t sortedfilearr < <(printf '%s\n' "${filearray[@]}" | awk -F'/' '
   BEGIN{PROCINFO["sorted_in"]="@val_num_asc"}
   { a[$0]=$NF }
   END{ for(i in a) print i}')

输出：

echo "${sortedfilearr[*]}"
dir2/name 0003.pdf dir1/name 0010.pdf dir3/name 0040.pdf

访问单个项目：

echo "${sortedfilearr[1]}"
dir1/name 0010.pdf

假定没有文件路径包含换行符。请注意，中的值的数字排序@val_num_asc仅适用于键的前导数字部分（在本示例中为无），而回退到关系的词法比较（基于strcmp()，而不是语言环境的排序顺序）。

oldIFS="$IFS"; IFS=$'\n'
if [[ -o noglob ]]; then
  setglob=1; set -o noglob
else
  setglob=0
fi

sorted=( $(printf '%s\n' "${filearray[@]}" |
            awk '{ print $NF, $0 }' FS='/' OFS='/' |
            sort | cut -d'/' -f2- ) )

IFS="$oldIFS"; unset oldIFS
(( setglob == 1 )) && set +o noglob
unset setglob

文件名的名称中带有换行符的排序将导致该sort步骤出现问题。

它生成一个- /分隔列表，awk该列表在第一列中包含基本名称，在其余列中包含完整路径：

0003.pdf/dir2/0003.pdf
0010.pdf/dir1/0010.pdf
0040.pdf/dir3/0040.pdf

这是已排序的内容，cut用于删除第一个- /分隔列。结果变成一个新的bash数组。

由于“ dir1and dir2是任意路径名”，我们不能指望它们由单个目录（或相同数量的目录）组成。因此，我们需要将路径名中的最后一个斜杠转换为路径名中其他地方不会出现的内容。假设@您的数据中没有该字符，则可以按以下基本名称进行排序：

cat pathnames | sed 's|\(.*\)/|\1@|' | sort -t@ -k+2 | sed 's|@|/|'

第一个sed命令用所选的分隔符替换每个路径名中的最后一个斜杠，第二个命令撤消更改。（为简单起见，我假设路径名每行可以传递一个。如果它们在shell变量中，请先将它们转换为每行一个格式。）

简短（且较快）的解决方案：通过将数组索引附加到文件名上并对其进行排序，我们稍后可以基于排序的索引创建排序的版本。

该解决方案仅需要bash内置函数和sort二进制文件，并且还可以用于不包含换行符的所有文件名\n。

index=0 sortedfilearray=()
while read -r line ; do
    sortedfilearray+=("${filearray[${line##* }]}")
done <<< "$(for i in "${filearray[@]}" ; do
    echo "$(basename "$i") $((index++))"
done | sort -n)"

对于每个文件，我们都将其基本名称与初始索引相呼应，如下所示：

0010.pdf 0
0003.pdf 1
0040.pdf 2

然后通过发送sort -n。

0003.pdf 1
0010.pdf 0
0040.pdf 2

之后，我们遍历输出行，使用bash变量扩展提取旧索引，${line##* }然后将此元素插入新数组的末尾。

排序方式是在文件路径名前加上基本名称，然后按数字排序，然后从字符串开头剥离基本名称：

#!/bin/bash
#
filearray=("dir1/0010.pdf" "dir2/0003.pdf" "dir3/0040.pdf" "dir4/0003.pdf")

sortarray=($(
    for file in "${filearray[@]}"
    do
        echo "$file"
    done |
        sed -r 's!^(.*)/([[:digit:]]*)(.*)$!\2 \1/\2\3!' |
        sort -t $'\t' -n |
        sed -r 's![^ ]* !!'
))

for item in "${sortarray[@]}"
do
    echo "> $item <"
done

如果您将文件名放在可以直接通过管道而不是作为shell数组传递的列表中，则效率会更高，因为实际的工作是由sed | sort | sed结构完成的，但这足够了。

在Perl中进行编码时，我首先遇到了这种技术。在这种语言中，它被称为Schwartzian变换。

在Bash中，如果文件的基本名称中包含非数字，则在我的代码中给出的转换将失败。在Perl中，可以更安全地对其进行编码。

对于相等深度的文件名。

filearray=("dir1/0010.pdf" "dir2/0003.pdf" "dir3/0040.pdf" "dir3/0014.pdf")

sorted_file_array=($(printf "%s\n" "${filearray[@]}" | sort -n -t'/' -k2))

说明

-k POS1 [，POS2] -推荐的POSIX选项，用于指定排序字段。该字段由POS1和POS2之间的线路的一部分的（该行的末尾，或者如果省略POS2），包容。字段和字符位置从1开始编号。因此，要在第二个字段上排序，请使用-k 2,2。

-t SEPARATOR 在每行中查找排序键时，请使用字符SEPARATOR作为字段分隔符。默认情况下，非空白字符和空白字符之间的字段由空字符串分隔。

信息来自排序人员。

结果阵列打印

printf "%s\n" "${sorted_file_array[@]}"
dir2/0003.pdf
dir1/0010.pdf
dir3/0014.pdf
dir3/0040.pdf