Perl中的sort用法

wstlwl

　　一）sort函数
　　sortLIST
　　sortBLOCKLIST
　　sortSUBNAMELIST
　　sort的用法有如上3种形式。它对LIST进行排序，并返回排序后的列表。假如忽略了SUBNAME或BLOCK，sort按标准字串比较顺序来进行（例如ASCII顺序）。如果指定了SUBNAME，它实际上是个子函数的名字，该子函数对比2个列表元素，并返回一个小于，等于，或大于0的整数，这依赖于元素以何种顺序来sort（升序，恒等，或降序）。也可提供一个BLOCK作为匿名子函数来代替SUBNAME，效果是一样的。
　　被比较的2个元素，会被临时赋值给变量$a和$b。它们以引用传递，所以不要修改$a或$b。假如使用子函数，它不能是递归函数。
　　二）用法示例
　　1.以数字顺序sort
　　@array=(8,2,32,1,4,16);
　　printjoin('',sort{$a;$b}@array),"\n";
　　打印结果是：
　　12481632
　　与之一样的是：
　　subnumerically{$a;$b};
　　printjoin('',sortnumerically@array),"\n";
　　这个很容易理解哦，它只是按自然数的顺序进行sort，偶就不细讲了。
　　2.1以ASCII顺序（非字典顺序）进行sort
　　@languages=qw(fortranlispcc++Perlpythonjava);
　　printjoin('',sort@languages),"\n";
　　打印结果：
　　Perlcc++fortranjavalisppython
　　这等同于：
　　printjoin('',sort{$acmp$b}@languages),"\n";
　　按ASCII的顺序进行排序，也没什么说的哦。
　　注意，如果对数字按ASCII顺序进行sort的话，结果可能与你想的不同：
　　printjoin('',sort1..11),"\n";
　　1101123456789
　　2.2以字典顺序sort
　　uselocale;
　　@array=qw(ASCIIascapat_largeatlargeAARParp);
　　@sorted=sort{($da=lc$a)=~s/[\W_]+//g;
　　($db=lc$b)=~s/[\W_]+//g;
　　$dacmp$db;
　　}@array;
　　print"@sorted\n";
　　打印结果是：
　　AARParpascapASCIIatlargeat_large
　　uselocale是可选的--它让code兼容性更好，假如原始数据包含国际字符的话。uselocale影响了cmp,lt,le,ge,gt和其他一些函数的操作属性--更多细节见perllocale的manpage。
　　注意atlarge和at_large的顺序在输出时颠倒了，尽管它们的sort顺序是一样的（sort中间的子函数删掉了at_large中间的下划线）。这点会发生，是因为该示例运行在perl5.005_02上。在perl版本5.6前，sort函数不会保护有一样values的keys的先后顺序。perl版本5.6和更高的版本，会保护这个顺序。
　　注意哦，不管是map,grep还是sort，都要保护这个临时变量$_（sort里是$a和$b）的值，不要去修改它。在该code里，在对$a或$b进行替换操作s/[\W_]+//g前，先将它们重新赋值给$da和$db，这样替换操作就不会修改原始元素哦。
　　3.以降序sort
　　降序sort比较简单，把cmp或;前后的操作数调换下位置就可以了。
　　sort{$b;$a}@array;
　　或者改变中间的块或子函数的返回值的标记：
　　sort{-($a;$b)}@array;
　　或使用reverse函数（这有点低效，但也许易读点）：
　　reversesort{$a;$b}@array;
　　4.使用多个keys进行sort
　　要以多个keys来sort，将所有以or连接起来的比较操作，放在一个子函数里即可。将主要的比较操作放在前面，次要的放在后面。
　　#Anarrayofreferencestoanonymoushashes
　　@employees=(
　　{FIRST=>;'Bill',LAST=>;'Gates',
　　SALARY=>;600000,AGE=>;45},
　　{FIRST=>;'George',LAST=>;'Tester'
　　SALARY=>;55000,AGE=>;29},
　　{FIRST=>;'Steve',LAST=>;'Ballmer',
　　SALARY=>;600000,AGE=>;41}
　　{FIRST=>;'Sally',LAST=>;'Developer',
　　SALARY=>;55000,AGE=>;29},
　　{FIRST=>;'Joe',LAST=>;'Tester',
　　SALARY=>;55000,AGE=>;29},
　　);
　　subseniority{
　　$b->;{SALARY};$a->;{SALARY}
　　or$b->;{AGE};$a->;{AGE}
　　or$a->;{LAST}cmp$b->;{LAST}
　　or$a->;{FIRST}cmp$b->;{FIRST}
　　}
　　@ranked=sortseniority@employees;
　　foreach$emp(@ranked){
　　print"$emp->;{SALARY}\t$emp->;{AGE}\t$emp->;{FIRST}
　　$emp->;{LAST}\n";
　　}
　　打印结果是：
　　60000045BillGates
　　60000041SteveBallmer
　　5500029SallyDeveloper
　　5500029GeorgeTester
　　5500029JoeTester
　　上述code看起来很复杂，实际上很容易理解哦。@employees数组的元素是匿名hash。匿名hash实际上是个引用，可使用->;操作符来访问其值，例如$employees[0]->;{SALARY}可访问到第一个匿名hash里SALARY对应的值。所以上述各项比较就很清楚了，先比较SALARY的值，再比较AGE的值，再比较LAST的值，最后比较FIRST的值。注意前2项比较是降序的，后2项是升序的，不要搞混了哦。
　　5.sort出新数组
　　@x=qw(mattelroyjanesally);
　　@rank[sort{$x[$a]cmp$x[$b]}0..$#x]=0..$#x;
　　print"@rank\n";
　　打印结果是：
　　2013
　　这里是否有点糊涂呀？仔细看就清楚了。0..$#x是个列表，它的值是@x数组的下标，这里就是0123。$x[$a]cmp$x[$b]就是将@x里的各个元素，按ASCII顺序进行比较。所以sort的结果返回对@x的下标进行排序的列表，排序的标准就是该下标对应的@x元素的ASCII顺序。
　　还不明白sort返回什么？让我们先打印出@x里元素的ASCII顺序：
　　@x=qw(mattelroyjanesally);
　　printjoin'',sort{$acmp$b}@x;
　　打印结果是：elroyjanemattsally
　　它们在@x里对应的下标是1203，所以上述sort返回的结果就是1203这个列表了。@rank[1203]=0..$#x只是个简单的数组赋值操作，所以@rank的结果就是(2013)了。
　　6.按keys对hash进行sort
　　%hash=(Donald=>;Knuth,Alan=>;Turing,John=>;Neumann);
　　@sorted=map{{($_=>;$hash{$_})}}sortkeys%hash;
　　foreach$hashref(@sorted){
　　($key,$value)=each%$hashref;
　　print"$key=>;$value\n";
　　}
　　打印结果是：
　　Alan=>;Turing
　　Donald=>;Knuth
　　John=>;Neumann
　　上述code不难明白哦。sortkeys%hash按%hash的keys的ASCII顺序返回一个列表，然后用map进行计算，注意map这里用了双重{{}}，里面的{}是个匿名hash哦，也就是说map的结果是个匿名hash列表，明白了呀？
　　所以@sorted数组里的元素就是各个匿名hash，通过%$hashref进行反引用，就可以访问到它们的key/value值了。
　　7.按values对hash进行sort
　　%hash=(Elliot=>;Babbage,
　　Charles=>;Babbage,
　　Grace=>;Hopper,
　　Herman=>;Hollerith
　　);
　　@sorted=map{{($_=>;$hash{$_})}}
　　sort{$hash{$a}cmp$hash{$b}
　　or$acmp$b
　　}keys%hash;
　　foreach$hashref(@sorted){
　　($key,$value)=each%$hashref;
　　print"$key=>;$value\n";
　　}
　　打印结果是：
　　Charles=>;Babbage
　　Elliot=>;Babbage
　　Herman=>;Hollerith
　　Grace=>;Hopper
　　本文作者如是说，偶觉得很重要：
　　与hashkeys不同，我们不能保证hashvalues的唯一性。假如你仅根据values来sorthash，那么当你增或删其他values时，有着相同value的2个元素的sort顺序可能会改变。为了求得稳定的结果，应该对value进行主sort，对key进行从sort。
　　这里{$hash{$a}cmp$hash{$b}or$acmp$b}就先按value再按key进行了2次sort哦，sort返回的结果是排序后的keys列表，然后这个列表再交给map进行计算，返回一个匿名hash列表。访问方法与前面的相同，偶就不详叙了。
　　8.对文件里的单词进行sort，并去除重复的
　　perl-0777ane'$,="\n";\
　　@uniq{@F}=();printsortkeys%uniq'file
　　大家试试这种用法，偶也不是很明白的说，:(
　　@uniq{@F}=()使用了hashslice来创建一个hash，它的keys是文件里的唯一单词；该用法在语意上等同于$uniq{$F[0],$F[1],...$F[$#F]}=()。
　　各选项说明如下：
　　-0777-读入整个文件，而不是单行
　　-a-自动分割模式，将行分割到@F数组
　　-e-从命令行读取和运行脚本
　　-n-逐行遍历文件：while(;){...}
　　$,-print函数的输出域分割符
　　file-文件名
　　9.高效sorting:Orcish算法和Schwartzian转换
　　对每个key，sort的子函数通常被调用多次。假如非常在意sort的运行时间，可使用Orcish算法或Schwartzian转换，以便每个key仅被计算1次。
　　考虑如下示例，它根据文件修改日期来sort文件列表。
　　#强迫算法--对每个文件要多次访问磁盘
　　@sorted=sort{-M$a;-M$b}@filenames;
　　#Orcish算法--在hash里创建keys
　　@sorted=sort{($modtimes{$a}||=-M$a);
　　($modtimes{$b}||=-M$b)
　　}@filenames;
　　很巧妙的算法，是不是？因为文件的修改日期在脚本运行期间是基本不变的，所以-M运算一次后，把它存起来就可以了呀。偶就经常这么用的，:p
　　如下是Schwartzian转换的用法：
　　@sorted=map({$_->;[0]}
　　sort({$a->;[1];$b->;[1]}
　　map({[$_,-M]}@filenames)
　　)
　　);
　　这个code结合用了map,sort分了好几层，记住偶以前提过的方法，从后往前看。map({[$_,-M]}@filenames)返回一个列表，列表元素是匿名数组，匿名数组的第一个值是文件名，第二个值是文件的修改日期。
　　sort({$a->;[1];$b->;[1]}...再对上述产生的匿名数组列表进行sort，它根据文件的修改日期进行sort。sort返回的结果是经过排序后的匿名数组。
　　最外围的map({$_->;[0]}...就简单了，它从上述sort产生的匿名数组里提取出文件名。这个文件名就是根据修改日期进行sort过的呀，并且每个文件只运行了一次-M。
　　这就是著名的Schwartzian转换，这种用法在国外perl用户里很流行。记住仙子告诉你的Schwartzian概念哦，下次就不会被老外laughat了，:p
　　本文作者说：
　　Orcish算法通常更难于编码，并且不如Schwartzian转换文雅。我推荐你使用Schwartzian转换作为可选择的方法。
　　也请记住基本的优化code的规则：(1)不写code；(2)在使code快速之前，先保证其正确；(3)在使code快速之前，先让它清楚。
　　10.根据最后一列来对行进行sort（Schwartzian转换）
　　假如$str的值如下（每行以\n终结）：
　　eir1192631181%63%13
　　oos1064330460%70%25
　　hrh1064512260%70%15
　　spp1064331360%60%14
　　按最后1个域的大小进行sort:
　　$str=join"\n",
　　map{$_->;[0]}
　　sort{$a->;[1];$b->;[1]}
　　map{[$_,(split)[-1]]}
　　split/\n/,$str;
　　打印结果是：
　　eir1192631181%63%13
　　spp1064331360%60%14
　　hrh1064512260%70%15
　　oos1064330460%70%25
　　让我们从后往前，一步一步看上述code：
　　split/\n/,$str;这里返回一个列表，列表元素就是各个行了。
　　map{[$_,(split)[-1]]}这里的map求得一个匿名数组列表，匿名数组的值分别是整行，和该行的最后一列。使用Schwartzian转换时，这步是关键哦，记着用map来构造你自己的匿名数组列表，匿名数组的第1个元素是最终需要的值，第2个元素是用于比较的值。
　　sort{$a->;[1];$b->;[1]}对上1步中产生的匿名数组，按第2个元素进行sort，它返回sort后的匿名数组列表。
　　map{$_->;[0]}对上1步中sort后的匿名数组，提取出第1个元素，也就是整行哦。
　　$str=join"\n",把上步中的各行用"\n"连接起来，并赋值给$str。
　　也许你会说：“怎么这么麻烦呀？偶不想用这种方式。”那么，可用CPAN上的现成模块来代替：
　　useSort::Fields;
　　@sorted=fieldsort[6,'2n','-3n']@lines;
　　CPAN的模块文档很详细的，自己看看呀。
　　11.重访高效sorting:Guttman-Rosler转换
　　考虑如下示例：
　　@dates=qw(2001/1/12001/07/041999/12/25);
　　你想按日期升序对它们进行排序，哪种方法最有效呢？
　　最直观的Schwartzian转换可以这样写：
　　@sorted=map{$_->;[0]}
　　sort{$a->;[1];$b->;[1]
　　or$a->;[2];$b->;[2]
　　or$a->;[3];$b->;[3]
　　}
　　map{[$_,splitm;$_,3]}@dates;
　　然而，更高效的Guttman-Rosler转换(GRT)这样写：
　　@sorted=map{substr$_,10}
　　sort
　　map{m|(\d\d\d\d)/(\d+)/(\d+)|;
　　sprintf"%d-%02d-%02d%s",$1,$2,$3,$_
　　}@dates;
　　本文作者说：
　　GRT方法难于编码，并且比Schwartzian转换更难阅读，所以我推荐仅在极端环境下使用GRT。使用大的数据源，perl5.005_03和linux2.2.14进行测试，GRT比Schwartzian转换快1.7倍。用perl5.005_02和windowsNT4.0SP6进行测试，GRT比Schwartzian快2.5倍。
　　另外，perl5.6及更高版本的sort使用Mergesort算法，而5.6之前的sort使用Quicksort算法，前者显然快于后者，所以，要想求速度，也要升级你的perl版本哦。
　　（三）CPAN上关于sort的一些模块
　　File::Sort-Sortoneormoretextfilesbylines
　　Sort::Fields-Sortlinesusingoneormorecolumnsasthesortkey(s)
　　Sort::ArbBiLex-Constructsortfunctionsforarbitrarysortorders
　　Text::BibTeX::BibSort-Generatesortkeysforbibliographicentries.