R语言跨虚拟机文件排序异常（下划线排序问题）

方法一：确认Sys.setlocale生效并强制使用C排序规则 #

有时候Sys.setlocale("LC_COLLATE", "C")执行后可能未生效（比如权限限制或系统locale配置锁定），先验证设置结果：

current_locale <- Sys.getlocale("LC_COLLATE")
print(current_locale)

如果输出不是C，可以尝试在终端启动R时直接指定locale：

LC_COLLATE=C R

或者在R脚本开头添加强制设置逻辑：

# 尝试设置LC_COLLATE为C，失败则给出警告
if (Sys.setlocale("LC_COLLATE", "C") == "") {
  warning("无法设置LC_COLLATE为C，将使用手动排序方案")
}

设置成功后，list.files会严格按ASCII码排序，下划线（ASCII 95）会排在小写字母（ASCII 97+）之前。

方法二：手动自定义排序（彻底摆脱系统locale影响） #

如果系统层面无法修改locale，直接对list.files的结果做自定义排序，确保下划线开头的文件始终排在最前：

基础版（仅文件名排序） #

files <- list.files('dir', recursive = TRUE)
# 拆分下划线开头和非下划线开头的文件，分别排序后合并
sorted_files <- c(
  sort(files[startsWith(files, "_")]),
  sort(files[!startsWith(files, "_")])
)

进阶版（含完整路径的递归排序） #

如果需要递归路径下的目录和文件都保持一致排序逻辑：

files <- list.files('dir', recursive = TRUE, full.names = TRUE)

# 自定义排序规则：下划线开头的文件/目录优先，其余按完整路径ASCII排序
custom_order <- order(
  !startsWith(basename(files), "_"),  # 下划线开头的组优先级更高
  files                               # 同组内按ASCII顺序排序
)
sorted_files <- files[custom_order]

关于两台虚拟机排序不一致的原因 #

即使LC_COLLATE都设为en_US.UTF-8，不同系统的glibc版本或locale实现细节可能存在差异——部分版本的en_US.UTF-8会将下划线视为字母的一部分参与排序，导致其位置变化。而C locale是严格按ASCII码值排序，但如果设置未生效（比如系统不允许修改locale），就无法起到预期效果。

内容的提问来源于stack exchange，提问作者Shoakhmad