ls ordenação padrão inconsistente

Question

Por que a adição de caracteres idênticos ao final dos nomes dos arquivos altera a ordem de classificação, conforme mostrado abaixo? Em qualquer método de comparação sane string, eu esperaria que a comparação de 2 strings não diferisse se a mesma string fosse adicionada ao final de ambas.

$ type ls
ls is aliased to 'ls --color=auto'
$ touch I II III IV V VI
$ ls
I  II  III  IV  V  VI
$ rm -f *
$ for n in I II III IV V VI; do touch "$n x"; done
$ ls 
III x  II x  IV x  I x  VI x  V x

Por enquanto, o Python funciona como eu esperaria:

>>> ns = ['I', 'II', 'III', 'IV', 'V', 'VI']
>>> sorted(ns)
['I', 'II', 'III', 'IV', 'V', 'VI']
>>> sorted(n + ' x' for n in ns)
['I x', 'II x', 'III x', 'IV x', 'V x', 'VI x']
>>> 

    

Answer 1

como o comentário do cyrus sugeriu, o motivo são as regras de agrupamento (= comparação de cadeia de caracteres com reconhecimento de localidade). No seu caso, com a maioria das localidades não C / POSIX (por exemplo, 'en_US.UTF-8'), os caracteres de espaço são ignorados ao comparar strings, portanto, "Ix" e "I x" são avaliados como iguais e, como resultado, "II" vem antes de "Ix".

Veja o seguinte:

$ touch I "I x" "Ix" "II" IIx "II x"

Ao usar uma localidade diferente de C, muitas vezes os espaços são ignorados ao comparar strings:

$ locale | grep LANG
LANG=en_US.UTF-8
LANGUAGE=en_US

$ ls -lhog
total 0
-rw-rw-r-- 1 0 Dec 26 17:12 I
-rw-rw-r-- 1 0 Dec 26 17:12 II
-rw-rw-r-- 1 0 Dec 26 17:12 IIx
-rw-rw-r-- 1 0 Dec 26 17:12 II x
-rw-rw-r-- 1 0 Dec 26 17:12 Ix
-rw-rw-r-- 1 0 Dec 26 17:12 I x

Forçando um código de idioma POSIX / C, os nomes de arquivos são comparados por caracteres ASCII, portanto, os caracteres 'space' vêm antes de 'x' ou 'I':

$ LC_ALL=C ls -lhog
total 0
-rw-rw-r-- 1 0 Dec 26 17:12 I
-rw-rw-r-- 1 0 Dec 26 17:12 I x
-rw-rw-r-- 1 0 Dec 26 17:12 II
-rw-rw-r-- 1 0 Dec 26 17:12 II x
-rw-rw-r-- 1 0 Dec 26 17:12 IIx
-rw-rw-r-- 1 0 Dec 26 17:12 Ix

Para ver os resultados reais da função de comparação ( strcoll(3) ), use ltrace da seguinte forma:

$ LC_ALL=C ltrace -e strcoll ls -lhog
ls->strcoll("I", "II x")       = -73
ls->strcoll("Ix", "I")         = 120
ls->strcoll("Ix", "II x")      = 47
ls->strcoll("I x", "II")       = -41
ls->strcoll("IIx", "I x")      = 41
ls->strcoll("IIx", "II")       = 120
ls->strcoll("I x", "I")        = 32
ls->strcoll("I x", "II x")     = -41
ls->strcoll("II", "II x")      = -32
ls->strcoll("IIx", "II x")     = 88
ls->strcoll("IIx", "Ix")       = -47
total 0
-rw-rw-r-- 1 0 Dec 26 17:12 I
-rw-rw-r-- 1 0 Dec 26 17:12 I x
-rw-rw-r-- 1 0 Dec 26 17:12 II
-rw-rw-r-- 1 0 Dec 26 17:12 II x
-rw-rw-r-- 1 0 Dec 26 17:12 IIx
-rw-rw-r-- 1 0 Dec 26 17:12 Ix
+++ exited (status 0) +++

$ LC_ALL=en_US.UTF-8 ltrace -e strcoll ls -lhog
ls->strcoll("I", "II x")       = -1
ls->strcoll("Ix", "I")         = 1
ls->strcoll("Ix", "II x")      = 15
ls->strcoll("I x", "II")       = 15
ls->strcoll("IIx", "II")       = 1
ls->strcoll("IIx", "I x")      = -15
ls->strcoll("II", "I")         = 1
ls->strcoll("II", "II x")      = -1
ls->strcoll("IIx", "II x")     = -1
ls->strcoll("I x", "II x")     = 15
ls->strcoll("I x", "Ix")       = 1
total 0
-rw-rw-r-- 1 0 Dec 26 17:12 I
-rw-rw-r-- 1 0 Dec 26 17:12 II
-rw-rw-r-- 1 0 Dec 26 17:12 IIx
-rw-rw-r-- 1 0 Dec 26 17:12 II x
-rw-rw-r-- 1 0 Dec 26 17:12 Ix
-rw-rw-r-- 1 0 Dec 26 17:12 I x
+++ exited (status 0) +++