Collation

collation，没有公认的译名，或译作“文字排序”[註 1]，是指在计算机科学与图书馆学、词典编撰中书写信息的标准排序。如数值序或者字母序。形式上说，collation方法对所有可能的标识符（即排序键）集合定义了一个全序，因此在信息项的集合上产生了一个全预序（因为具有相同的排序键的信息项没有预定次序）。

一个collation算法例如Unicode collation algorithm定义如何比较两个字符串确定何者在先。

数值序或者编年序

表示数值（或时间）的字符串按照其表示的数值，例如： "-4", "2.5", "10", "89", "30,000". 注意可能会存在偏序情况，如"2"与"2.0"，"2e3"与"2000"。

字母序

字母序，也称词典序。常见问题有：

空白符（如空格符）如何处理；
附加符号。法语中把带附加符号的字符都当作基本字符来排序。德语的“电话簿序”中，Ä, Ö, Ü应当作为 "ae", "oe", "ue" 来排序。因此，姓Müller/Mueller具有相同的排序位置。西班牙语的Ñ作为一个单独字母排在N之后.
姓名排序时，不论书写或印刷时的姓与名谁在先，可能需要先按照姓，再按照名排序。
以常见词（如"the" 或 "a"）开头的信息项，排序时可能会忽略或者把这些前缀词移动到最后来排序。
爱尔兰与苏格兰姓的常见前缀M'或Mc，可视作是MaC的缩写，排序时按照非缩写形式。如McKinley被视作Mackintosh
连字（ligature），在英语中不被视作不同的字符，如Æ或Œ，排序时当作ae或ce。但在1994年之前的西班牙语， "CH"与"LL"作为单个字母，分别排在字母C与L之后，因此会如此排序“cinco, credo, chispa”或者“lomo, luz, llama”. 威尔士语中，CH, DD, FF, NG, LL, PH, RH, TH都作为单独的字母，排在其字符对的第一个字母之后（NG例外，排在G之后），因此有如下排序：A, B, C, CH, D, DD, E, F, FF, G, NG, H.
字母与数字混排，有时可按照先数字后字母，或者把数字用字母拼写后排序，如：1776按照"seventeen seventy-six"排序。

参见

Unicode equivalence

注释

collation不限于字母排序，而是字符串的排序规则。

参考文献

Unicode Collation Algorithm: Unicode Technical Standard #10
Collation in Spanish 页面存档备份，存于
Collation of the names of the member states of the United Nations
Typographical collation for many languages 页面存档备份，存于, as proposed in the List module of Cascading Style Sheets.
Collation Charts: Charts demonstrating language-specific sorting orders in various operating systems and DBMS
ICU Locale Explorer 页面存档备份，存于: An online demonstration of sorting in different languages that uses the Unicode Collation Algorithm with International Components for Unicode

This article is issued from Wikipedia. The text is licensed under Creative Commons - Attribution - Sharealike. Additional terms may apply for the media files.

[1] tion不限于字母排序，而是字符串的排序规则。