ICU是否处理不同语言字符串列表的整理？

Question

我的应用程序可能在一个列表中包含不同字母/语言的字符串。我似乎无法找到任何有关排序这些方法的正确方法或ICU支持此功能的任何信息。

示例列表：

• 苹果
• яблоко
• μήλο
• 婴儿
• βρέφος
• ребенок

Answer 1

针对上述所有注意事项，这里是一个“标准通用多语言排序”：unicode collation algorithm（UCA），它不是码点顺序。从this page粗略地看一眼，ICU似乎处理UCA和本地优先级的混合物。

Answer 2

没有合理的WA Ÿ做得好。所有语言都不存在通用排序，即使在同一个字母表中也是如此。不同的语言（文化，基本上）已经提出了不同的排序规则，以便如何排序词语。

我认为唯一可以一致做到这一点的方法是使用普通的旧码点排序（例如在Java中，String.compareTo）。

您可以想出一些启发式方法，具体取决于您的数据所代表的内容。您可以根据对字母和语言的猜测对字符串进行分组，然后针对每个组使用特定于语言环境的排序。但是，我认为，由于你会根据不同的术语（例如“mar”英语动词或西班牙名词？）做出不同的猜测，所以你不得不这样做（自己编码）。就不可预知的“错误”而言，可以想象，最终的结果会比天真的Unicode数字排序更糟糕。

与其他任何事情一样，这取决于您能够承受多少投入解决方案以及您需要哪种性能。

这个建议是不是你要找的答案：如果有任何的方式来识别区域时，最初存储的字符串，你应该这样做，并且把它记为字符串的元数据的一部分。那么你不会有这个问题。

Answer 3

正如@Zac所说，没有通用的排序方式。代码点排序将是一致的，但可能不是用户期望的。

因此，您应该使用用户所选语言环境的首选排序顺序。任何未按该排序顺序定义的代码点将被组合在一起。

Answer 4

你可以音译为你的“目标”的语言（都在同一个脚本），然后排序。但是语言在排序上有冲突的规则。