Преобразование вывода asciinema в gif

Алгоритмы сортировки в современных регионах довольно сложны.

Каждому символу (фактически элементу сопоставления , который может состоять из последовательности из нескольких символов, например, чешского ch ) присваивается число весов сопоставления , которые определяют порядка их сортировки.

При сравнении двух строк сначала используется первый вес всех символов, а другие веса используются позже для определения связи, если две строки отсортированы одинаково с первыми весами.

Например, во многих регионах e , é и E имеют одинаковый первичный вес (они имеют одинаковый класс эквивалентности, все они соответствуют [= e =] ).

Итак, при сравнении, например, echo , été и введите , в первом проходе, e , é и E , имеющие одинаковый основной вес, второй символ будет определять порядок ( c до n до t ).

При сравнении été , Été , Ete , после первого прохода все они сортируются одинаково, поэтому мы используем второй проход с вторичным весом. .В типичных языковых стандартах GNU второй вес для символов латинского алфавита используется для определения приоритета акцентов (сначала не ставится ударение, а затем острый, серьезный, бревный, циркумфлексный ...). Затем нам нужно будет использовать третий вес, чтобы выбрать между été и Été , и это будет основано на регистре (сначала строчные буквы в большинстве языков). Есть даже символы, которые в конечном итоге сортируются одинаково, потому что все их веса идентичны.

Используется для сортировки текста аналогично словарям, как это делают люди.

В словаре вы обнаружите, что пробелы и большинство знаков пунктуации также игнорируются. Например, де-факто занимает промежуточное положение между дебютным и лишенным . Первый вес пробела - ИГНОРИРОВАТЬ.

В системе GNU вы найдете основные правила сортировки, определенные в / usr / share / i18n / locales / iso14651_t1_common (путь может отличаться в зависимости от дистрибутива). Там вы увидите:

ifdef UPPERCASE_FIRST
<CAP>
else
<MIN>
endif
[...]
ifdef UPPERCASE_FIRST
[...]
<MIN> # 10
[...]
else
[...]
<CAP> # 9
[...]
endif

[...]
order_start <SPECIAL>;forward;backward;forward;forward,position
<U0020> IGNORE;IGNORE;IGNORE;<U0020> # 32 <SP>
[...]
<U003E> IGNORE;IGNORE;IGNORE;<h> # 140 >
[...]
ifdef DIACRIT_FORWARD
order_start <LATIN>;forward;forward;forward;forward,position
else
order_start <LATIN>;forward;backward;forward;forward,position
endif
[...]
<U0065> <e>;<BAS>;<MIN>;IGNORE # 259 e
<U00E9> <e>;<ACA>;<MIN>;IGNORE # 260 é
[...]
<U0045> <e>;<BAS>;<CAP>;IGNORE # 577 E
<U00C9> <e>;<ACA>;<CAP>;IGNORE # 578 É

Что иллюстрирует то, что мы только что сказали. И для пробела, и для > первые 3 веса имеют значение IGNORE . Их относительный порядок будет учитываться только для строк, сортирующих одинаково для первых трех весов (> перед пробелом, так как будет перечисляться перед неуказанным символом сортировки ).

В региональных стандартах, определяющих UPPERCASE_FIRST (например, / usr / share / i18n / locales / tr_TR ), сначала будут идти буквы верхнего регистра (в 3 ^rd ] проходить).То же самое с DIACRIT_FORWARD , где некоторые локали, такие как de_DE , могут изменить порядок диакритических знаков для 2 ^-го прохода.

> и >> сортируют одинаково на 1 ^-м , 2 ^-м и 3 ^-м проходах. В 4 ^-м , > сортируются до >> , поскольку пустая строка сортируется перед всем.

>> b сортирует после b , потому что они сортируют одинаково в первых 3 проходах, но на четвертом проходе b ИГНОРИРОВАТЬ, поэтому > больше. Это меньше, чем c на первом проходе (> игнорируется, и b перед c ) ... Вы уловили идею.

Теперь, если вы посмотрите на определение локали C . Все намного проще. Есть только один вес, и вес основан на значении кодовой точки от U + 0000 до U + 10FFFF. Итак, SPC (U + 0020) сортируется перед > (U + 003E), который сортируется перед b (U + 0062), который сортируется перед c (U + 0063). Ни один персонаж никогда не игнорируется.

Обратите внимание, что по крайней мере с GNU libc этот порядок, определенный в файле определения локали C, игнорируется, когда дело доходит до функций сравнения ( strcoll () и т. Д., Используемых в sort ). Независимо от значения LC_CTYPE , с LC_COLLATE = C , strcoll () эквивалентно strcmp () .Поскольку при сравнении всегда используется значение байта, даже если эти байты соответствуют символам, кодовая точка юникода которых сортируется наоборот (например, 0xA4 U + 20AC EURO SIGN против A5 U + 00A5 YEN SIGN в кодировке ISO-8859-15) ,поэтому LC_ALL = C sort и LC_COLLATE = C sort (при условии, что LC_ALL не установлен иначе) будут иметь тот же эффект.