一 Unicode 字符串排序规则：如何确定单个字符的顺序 _排序

一、一个具体的例子引发的问题
当今是国际化的时代，多种语言可能同时显示在屏幕上。比如一个人可能喜欢听华语歌、英文歌、韩文歌和日语歌，又比如他的联系人中有中国人、英国人、日本人、韩国人以及有英文名字的中国人。
在这种情况下，他的手机上需要维护一个列表，每一项可能是中文、韩文、英文和日文。在许多情况下需要对这个列表进行维护，那么如何对这些表项进行排序呢？为了解决这个问题，至少要回答以下几个问题：
中文、韩文、英文、日文的顺序是怎样的呢？那个语种在前面呢？同一个语种内部如何排序呢？比如中文，是按照汉语拼音还是部首，抑或是笔画数排序呢？对于数字、标点符号、特殊符号等独立于某一个书写系统的字符 () ，如何处理呢？二、事实上的排序标准: UCA+CLDR
使用这种方法来排序的公司和组织有 Apple、、IBM、、、、()、...
在苹果的文档中，可以找到下面的描述：
are based on the, asforby CLDR (Data ).
UCA
首先解释一下的含义。
is theterm for theandoftheorder ofof .
如果有若干字符串需要排序，确定排序的过程就是，可以认为是排序 (sort) 在字符串领域的特化。
(UCA) 是制定的如何比较两个字符串的规范。注意这里是字符串，而不仅仅是字符。
UCA 的规则很复杂，我们以后再说。但从名字上可以看出， UCA 只是一个算法，算法需要数据才能产出结果。
UCA 最后产出了一个文档，指定了默认情况下字符的顺序。但是这仅仅是默认情况，也就是照顾了大多数情况（也就是排序对英语国家比较友好。。。）。对于其他地区的人们来说，就需要输入和默认情况不同的数据，以获得和当地习惯相符合的结果。比如同样的汉字，在中国大陆是按照汉语拼音排序的，在香港就是按照笔画数目排序的。
CLDR
Data(CLDR) ，从名字上可以看出，这个实际上是一堆数据的仓库。对于指定的地区 () ，可以从中找到指定的数据。再结合 UCA ，就可以得到符合当期习惯的排序结果。
三、UCA 默认顺序
UCA 最后产出了一个文档，在/uca/.txt 。这个文档就指定了默认情况下的字符的顺序。
0031; [.1B3F.0020.0002] # DIGIT ONE0661; [.1B3F.0020.0002] # ARABIC-INDIC DIGIT ONE
这个文档中的每一行都有上面的格式。分号;之前的部分是字符对应的码点 (code point) 。分号之后是用于 UCA 算法的权重，用.分隔。#及之后部分是注释。
所有的字符从上到下依次排序。
3.1字符分类
把所有字符分为两类，并按顺序排列：
包括空格、标点、通用符号、货币符号和数字。
包括拉丁字母、希腊字母、汉字等。
把字符分类，便于把某一类字符统统放到另一类字符之前，比如把汉字放在英文之前。
注意：这里默认排序并不是按照码点顺序依次排列！
3.2 利用 UCA 默认值排序的例子
rawArray = @[@"cc",@"曹操",@"bb",@"1",@"?",@"(en",@"（zh"];NSArray *sortedArray = [rawArray sortedArrayUsingComparator:^NSComparisonResult(NSString *_Nonnull obj1, NSString *_Nonnull obj2) {return [obj1 compare:obj2 options:NSCaseInsensitiveSearch];}];__block NSMutableArray *codeUnits = [NSMutableArray array];[sortedArray enumerateObjectsUsingBlock:^(NSString*_Nonnull obj, NSUInteger idx, BOOL * _Nonnull stop) {[codeUnits addObject:@([obj characterAtIndex:0])];}];NSLog(@"after default sort , result is %@, codeUnits is %@",sortedArray,codeUnits);NSLocale *locale=[[NSLocale alloc] initWithLocaleIdentifier:@"en"];sortedArray = [rawArray sortedArrayUsingComparator:^NSComparisonResult(NSString *_Nonnull obj1, NSString *_Nonnull obj2) {NSRange string1Range = NSMakeRange(0, [obj1 length]);return [obj1 compare:obj2 options:0 range:string1Range locale:locale];}];NSLog(@"after locale sort , result is %@",sortedArray);
输出结果如下：
after default sort , result is ((en,1,bb,cc,?,曹操,（zh,), codeUnits is (40,49,98,99,1633,26361,65288,)after locale sort , result is ((en,（zh,1,?,bb,cc,曹操,)
未指定地区信息时，的排序函数仅仅是按照UTF-16 code unit 的值排列的。在指定地区信息是en后，按照.txt中指定的顺序，也更加符合人们的预期。依次是标点符号（英文和中文的左括号）、数字（阿拉伯数字 1 和另一种表示方法）、（英文和中文）
四、CLDR 对排序结果进行调整 ()

文章插图
如上图， CLDR 最新版本的数据有很多文件夹，都是用一种标记语言 (LDML) 来书写的。我们一步一步来确定如何决定在中国大陆对字符进行排序。
【一Unicode 字符串排序规则：如何确定单个字符的顺序】4.1 确定采用何种排序规则
在bcp47/.xml中，指出了可选的很多种排序方式，包括、、、（笔画排序）。
那么在中国大陆应该采用哪种排序方法呢？可以在/zh.xml中找到指定的排序方式是。而繁体中文的默认排序方式是。
pinyin incollation/zh.xmlstroke in collation/zh_Hant.xml
4.2 确定汉语内部的排序规则
在/zh.xml 中可以看到下图。和程序中的头文件一样，排序规则引入了-这个规则，此外，还引入了默认的规则。即如果两个字符（如阿拉伯数字 1 和 2 ）在规则中找不到依据，那么根据默认规则进行排序。这样子做大大降低了维护成本，在原理上和 "Don't" 类似。
我们现在来看具体的排序规则。
在-中，指定了可以标“声调”的字母在各种声调情况下的排列顺序。
你没有看错， m和n也可以标声调！指定了拼音的顺序以及同音字的顺序
首先按照拼音排序，表现为不同行之间的顺序。对于同音字，也就是每一行之间的顺序，先按照笔画数排序，再按照排序。
请注意，在ā之前有一行，是用来构建索引的，即此行之下直至另一个索引都属于A的索引之内。4.3 不同语种字母的顺序
当指定了地区之后，这个地区的字符将会在所有的 “ ” 中排列第一。其他地区的字符按照默认顺序排序。
确定当地的书写系统 ()
在./main/.xml中，看到