Classifique arquivos de texto com várias linhas como uma linha

Eu tenho um arquivo de texto neste formato:

####################################
KEY2
VAL21
VAL22
VAL23
VAL24
####################################
KEY1
VAL11
VAL12
VAL13
VAL14
####################################
KEY3
VAL31
VAL32
VAL33
VAL34

Eu quero classificar este arquivo por KEYlinha e manter as próximas 4 linhas com ele no resultado para que o resultado classificado seja:

####################################
KEY1
VAL11
VAL12
VAL13
VAL14
####################################
KEY2
VAL21
VAL22
VAL23
VAL24
####################################
KEY3
VAL31
VAL32
VAL33
VAL34

existe uma maneira de fazer isso?

msort(1)foi projetado para poder classificar arquivos com registros de várias linhas. Ele possui uma interface gráfica opcional, além de uma versão normal e utilizável para humanos. (Pelo menos, seres humanos que gostam de ler os manuais com atenção e procurar exemplos ...)

AFAICT, você não pode usar um padrão arbitrário para registros, portanto, a menos que seus registros tenham tamanho fixo (em bytes, não caracteres ou linhas). msortpossui uma -bopção para registros que são blocos de linhas separados por linhas em branco.

Você pode transformar sua entrada em um formato que funcione com -bbastante facilidade, colocando uma linha em branco antes de cada ###...(exceto a primeira).

Por padrão, ele imprime estatísticas no stderr, pelo menos é fácil saber quando não classificou, porque achou que toda a entrada era um único registro.

msort funciona em seus dados. O sedcomando anexa uma nova linha a cada #+linha, exceto a linha 1. -wclassifica o registro inteiro (lexicograficamente). Existem opções para escolher qual parte de um registro usar como chave, mas eu não precisava delas.

Também deixei de fora as novas linhas extras.

$ sed '2,$ s/^#\+/\n&/' unsorted.records | msort -b -w 2>/dev/null 
####################################
KEY1
VAL11
VAL12
VAL13
VAL14

####################################
KEY2
VAL21
VAL22
VAL23
VAL24

####################################
KEY3
VAL31
VAL32
VAL33
VAL34

Não tive sorte -r '#'em usar isso como separador de registros. Ele achava que o arquivo inteiro era um registro.

Uma solução é primeiro alterar os feeds de linha dentro de um bloco para um caractere não utilizado de sua escolha ('|' no exemplo abaixo), classificar o resultado e alterar novamente o separador escolhido para o feed de linha original:

sed -e 'N; N; N; N; N; s/\n/|/g' file.txt \
| sort -k2,2 -t\| \
| sed 's/|/\n/g'

perl -0ne 'print sort /(#+[^#]*)/g' file.txt

• perl -0 sorve o arquivo inteiro
• /(....)/g combinar e extrair os registros
• print sort ... classifique e imprima-os

Aqui está outra maneira que deve funcionar com qualquer número de linhas em uma KEYseção:

# extract delimiter
delim=$(head -n1 <infile)
sed '/#/d;/KEY/h;G;s/\n/\x02/' infile | nl -ba -nrz -s $'\002' | sort -t $'\002' -k3 -k1,1 |
cut -d $'\002' -f2 | sed '/KEY/{x;s/.*/'"${delim}"'/;G}'

Isso funciona salvando o delimitador em uma variável (para removê-lo da entrada). Em seguida, anexa a KEY*cada linha em sua seção correspondente usando um caractere ASCII baixo (o que é improvável que ocorra em sua entrada) como um separador e depois nsepara todas as lcolunas usando o mesmo separador. É apenas uma questão de sortentrar no terceiro e no primeiro campos e cutcolocar a coluna do meio e restaurar os delimitadores por meio de uma final sed. Observe que, com o exposto acima, KEY12a classificação será feita antes; KEY2portanto, ajuste o sortcomando de acordo com suas necessidades.

Você pode usar a biblioteca stdlib do POSIX Awk :

#!/usr/local/bin/awklib -f
$0 ~ "#" {x++}
{q[x] = q[x] ? q[x] RS $0 : $0}
END {
  arr_sort(q)
  for (x in q) print q[x]
}