统一码定序算法

求闻百科，共笔求闻

统一码定序算法（英语：Unicode collation algorithm，缩写：UCA）是统一码技术报告 #10 中定义的一种算法，它是一种可自定义的方法。对任何以统一码表示的字符串文本，不论是使用哪种文字和语言，都可为其生成二进制键。这些键可以逐字节且有效地比对，从而可以根据语言规则为他们定序或排序。这个过程中，还提供可以忽略大小写、重音等的选项。

统一码技术报告 #10 还定义了默认统一码定序元素表（英语：Default Unicode Collation Element Table，缩写：DUCET)。此文件定义了预设的排列顺序。 DUCET 可针对不同语言进行定制。可以在通用当地数据储存库（英语：Common Locale Data Repository，缩写：CLDR）中找到一些此类自定义。

国际统一码部件（ICU）中包含了 UCA 的开源实作件。 ICU 支持裁剪，来自 CLDR 的整理裁剪包含在 ICU 中。剪裁效果和许多语言特定的剪裁效果显示在在线ICU 区域设置浏览器中。

目标问题

不同语言及文化，可能使用不同的排序方式，对相同的字符，德国人、法国人、瑞典人使用不同的方式排序。不同的应用，也可能使用不同的排序，譬如字典、电话簿和索引目录。对于非字母文字，如东亚表意文字，排序也可能根据声音或外形。此外，排序也可能根据习惯，如忽略标点符号、大写在小写前（或反过来）。

语言 瑞典 z < ö
德国 ö < z
应用 德国字典 of < öf
德国电话簿 öf < of
使用者习惯 大写优先 A < a
小写优先 a < A

多层级比较

统一码定序算法归纳出了多层级的比较方式。

等级 描述 例子
L1 基本 role < roles < rule
L2 重音符 role < rôle < roles
L3 大小写或变体 role < Role < rôle
L4 标点符号 role < “role” < Role
Ln role < ro□le < “role”

另见

外部链接

工具

取自“https://www.qiuwenbaike.cn/index.php?title=統一碼定序演算法&oldid=5185650”