perl方法：sort函数-grueclan的专栏

新一篇:perl性能提升：优化perlperl的sort函数一）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）。假如指定了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，这依靠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";

这个很轻易理解哦，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。

注重，假如对数字按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。

注重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。

注重哦，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，实际上很轻易理解哦。@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。注重前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{$_})}}sortkeyshash;
foreach$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。sortkeyshash按hash的keys的ASCII顺序返回一个列表，然后用map进行计算，注重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$b
}keyshash;
foreach$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}=();printsortkeysuniq'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。

这就是闻名的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）：

eir11926311816313
oos10643304607025
hrh10645122607015
spp10643313606014

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：

eir11926311816313
spp10643313606014
hrh10645122607015
oos10643304607025

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，这步是要害哦，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的模块文档很具体的，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-d-ds",$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。