統一碼定序演算法

統一碼定序演算法（英語：，縮寫：UCA）是統一碼技术报告 #10 中定义的一种算法，它是一种可自定义的方法。對任何以統一碼表示的字符串文本，不論是使用哪種文字和语言，都可為其生成二进制键。這些鍵可以逐字节且有效地比對，從而可以根據語言規則為他們定序或排序。這個過程中，還提供可以忽略大小写、重音等的选项。

統一碼技术报告 #10 还定義了默认統一碼定序元素表（英語：，縮寫：DUCET)。此文件定義了預設的排列顺序。 DUCET 可针对不同语言进行定制。可以在通用當地數據儲存庫（英語：，縮寫：CLDR）中找到一些此类自定义。

國際統一碼部件（ICU）中包含了 UCA 的开源實作件。 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。

目標問題

不同語言及文化，可能使用不同的排序方式，對相同的字符，德國人、法國人、瑞典人使用不同的方式排序。不同的應用，也可能使用不同的排序，譬如字典、電話簿和索引目錄。對於非字母文字，如東亞表意文字，排序也可能根據聲音或外形。此外，排序也可能根據習慣，如忽略標點符號、大寫在小寫前（或反過來）。

語言 瑞典 z < ö
德國 ö < z
應用 德國字典 of < öf
德國電話簿 öf < of
使用者習慣 大寫優先 A < a
小寫優先 a < A


多層級比較

統一碼定序演算法歸納出了多層級的比較方式。

等級 描述 例子
L1 基本 role < roles < rule
L2 重音符 role < rôle < roles
L3 大小寫或變體 role < Role < rôle
L4 標點符號 role < “role” < Role
Ln role < ro□le < “role”

另見

外部链接

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