Warum ignoriert die Sortierung nicht-alphanumerische Zeichen?

lsIgnoriert beim Sortieren von Dateinamen Zeichen wie -,_. Ich hatte erwartet, dass diese Zeichen auch beim Sortieren verwendet werden.

Ein Beispiel:

touch a1 a2 a-1 a-2 a_1 a_2 a.1 a.2 a,1 a,2

Zeigen Sie diese Dateien nun an mit ls -1:

a1
a_1
a-1
a,1
a.1
a2
a_2
a-2
a,2
a.2

Was ich erwartet hatte, war ungefähr so:

a1
a2
a,1
a,2
a.1
a.2
a_1
a_2
a-1
a-2

Dh ich habe erwartet, dass die nicht alphanumerischen Zeichen beim Sortieren berücksichtigt werden.

Kann jemand dieses Verhalten erklären? Ist dieses Verhalten durch einen Standard vorgeschrieben? Oder liegt das daran, dass die Codierung UTF-8 ist?

Update: Es scheint, dass dies mit der UTF-8-Sortierung zusammenhängt:

$ LC_COLLATE=C ls -1
a,1
a,2
a-1
a-2
a.1
a.2
a1
a2
a_1
a_2

Dies hat nichts mit dem Zeichensatz zu tun. Es ist vielmehr die Sprache, die die Sortierreihenfolge bestimmt. Die libc prüft die Sprache in präsentierten $LC_COLLATE/ $LC_ALL/ $LANGund sieht auf seine Sortierregeln (zB /usr/share/i18n/locales/*für glibc) und Aufträge den Text , wie verwiesen.

EDIT: Test für mit LC_COLLATE = C sortierte Daten hinzugefügt

Die Standard-Sortierfolge behandelt diese "Interpunktionstyp" -Zeichen als gleichwertig Use LC_COLLATE=C, um sie in Codepunktreihenfolge zu behandeln.

for i in 'a1' 'a_1' 'a-1' 'a,1' 'a.1' 'a2' 'a_2' 'a-2' 'a,2' 'a.2' ;do
  echo $i; 
done |LC_COLLATE=C sort

Ausgabe

a,1
a,2
a-1
a-2
a.1
a.2
a1
a2
a_1
a_2

Der folgende Code testet alle gültigen UTF-8-Zeichen in der mehrsprachigen Basisebene (mit Ausnahme von \ x00 und \ x0a ; zur Vereinfachung).
Er vergleicht eine Datei in einer bekannten (generierten) aufsteigenden Reihenfolge mit dieser Datei, die zufällig sortiert und dann erneut mit sortiert wird LC_COLLATE = C. Das Ergebnis zeigt, dass die C- Sequenz mit der ursprünglich erzeugten Sequenz identisch ist.

{ i=0 j=0 k=0 l=0
  for i in {0..9} {A..F} ;do
  for j in {0..9} {A..F} ;do
  for k in {0..9} {A..F} ;do
  for l in {0..9} {A..F} ;do
     (( 16#$i$j$k$l == 16#0000 )) && { printf '.' >&2; continue; }
     (( 16#$i$j$k$l == 16#000A )) && { printf '.' >&2; continue; }
     (( 16#$i$j$k$l >= 16#D800    && 
        16#$i$j$k$l <= 16#DFFF )) && { printf '.' >&2; continue; }
     (( 16#$i$j$k$l >= 16#FFFE )) && { printf '.' >&2; continue; }
     echo 0x"$i$j$k$l" |recode UTF-16BE/x4..UTF-8 || { echo "ERROR at codepoint $i$j$k$l " >&2; continue; } 
     echo 
  done
  done
  done; echo -n "$i$j$k$l " >&2
  done; echo >&2
} >listGen

             sort -R listGen    > listRandom
LC_COLLATE=C sort    listRandom > listCsort 

diff <(cat listGen;   echo "last line of listOrig " ) \
     <(cat listCsort; echo "last line of listCsort" )
echo 
cmp listGen listCsort; echo 'cmp $?='$?

Ausgabe:

63485c63485
< last line of listOrig 
---
> last line of listCsort

cmp $?=0