如何对TXT文件基于双重条件排序：按title_topic聚合并按post_number自然数字排序

核心实现逻辑 #

完全匹配两个排序需求，无冗余处理：

• 第一级排序：按title_topic字段值聚合分组，相同取值的条目归为同一组
• 第二级排序：每组内部按post_number的实际数字值做自然排序，规避字符串字典序导致的错序问题

具体操作步骤 #

1. 定制排序解析规则 #

针对post_number的特殊取值写专门的解析逻辑，从根源上避免排序错误：

• 取值为"null"的条目，可灵活调整排序优先级（比如放在组的最前/最后位置）
• 带尾随小数点的数字字符串（如"1."、"10."），去掉小数点后转为整数作为排序值，实现1→2→…→9→10→11的正确自然顺序
• title_foreach_post字段无需参与排序逻辑，无论取值是和title_topic一致还是空数组，都不影响分组和排序结果

2. 逐行读取适配大文件 #

逐行解析大TXT内容，将条目按title_topic存入字典结构，无需一次性把全量文件加载到内存，避免大文件内存溢出：

import json
from collections import import defaultdict

# 存储结构：key为title_topic值，value为对应条目的(排序键, 原始条目)列表
topic_groups = defaultdict(list)

def parse_post_number(post_num_str):
    # null值的排序优先级：返回-1时排在组最前，返回极大值时排在组最后
    if post_num_str == "null":
        return -1
    # 去掉尾随小数点，提取纯数字转为整数作为排序值
    pure_num = post_num_str.rstrip('.')
    return int(pure_num)

with open("input_large.txt", "r", encoding="utf-8") as f:
    for line in f:
        line = line.strip()
        if not line:
            continue
        entry = json.loads(line)
        topic = entry["title_topic"]
        post_sort_key = parse_post_number(entry["post_number"])
        topic_groups[topic].append( (post_sort_key, entry) )

3. 两层排序写出结果 #

先对所有topic分组按规则排序（默认按topic名称字典序，可自定义调整组的排列顺序），再对组内条目按解析后的数字键排序，逐行写入输出文件，全程不修改原始JSON字段内容：

with open("output_sorted.txt", "w", encoding="utf-8") as f:
    # 对所有topic分组排序，需要自定义组顺序时替换sorted的key参数即可
    for topic in sorted(topic_groups.keys()):
        group_content = topic_groups[topic]
        # 组内按post_number的解析值做自然排序
        group_content.sort(key=lambda x: x[0])
        # 写出原始条目，不改动原有结构
        for _, entry in group_content:
            f.write(f"{json.dumps(entry, ensure_ascii=False)}\n")

常见避坑点 #

• 不要直接对post_number做字符串字典序排序，否则会出现"1." < "10." < "2."的错序结果，完全不符合自然排序要求
• 1900个topic的规模下，当前实现的内存占用极低，哪怕单行JSON体积稍大也不会出现内存溢出问题
• 如果遇到体积特别大的文件，可调整逻辑为逐组排序后实时写出，进一步降低内存占用

内容的提问来源于stack exchange，提问作者Artemis