使用join合并文件时含字母点号数字序列的排序问题问询

核心原因 #

join命令要求两个输入文件必须按照关联的键列做符合POSIX标准的字典序排序，你之前的操作失效主要是两个常见问题：

• 排序时的区域设置（locale）和join运行时的区域设置不一致，导致排序规则不匹配
• 仅执行sort命令没有将排序结果写入新文件，join读取的还是原始未排序文件

正确操作步骤 #

方式1：先生成排序后的中间文件 #

1. 对file1按第二列排序，使用C locale保证排序规则和join匹配：
   LC_ALL=C sort -k2,2 file1 > file1.sorted
2. 对file2按第二列排序：
   LC_ALL=C sort -k2,2 file2 > file2.sorted
3. 执行join命令：
   join -1 2 -2 2 -o 2.1 1.1 2.2 2.3 2.4 file1.sorted file2.sorted

方式2：使用进程替换避免生成中间文件 #

可以直接将排序后的结果通过管道传递给join，不需要生成临时文件：
join -1 2 -2 2 -o 2.1 1.1 2.2 2.3 2.4 <(LC_ALL=C sort -k2,2 file1) <(LC_ALL=C sort -k2,2 file2)

补充说明 #

如果你的字段分隔符不是默认的空白符，需要在sort和join命令里都加上-t参数指定分隔符，比如分隔符是制表符的话，两个命令都要加-t $'\t'。

内容的提问来源于stack exchange，提问作者avsill