使用 Ruby/Rails 中的特定排序规则对值进行排序答案

【问题标题】：Sort values using a specific collation in Ruby/Rails使用 Ruby/Rails 中的特定排序规则对值进行排序
【发布时间】：2011-07-24 20:31:48
【问题描述】：

是否可以在 Ruby 中使用特定的排序规则对值数组进行排序？我需要根据 da_DK 排序规则进行排序。

给定数组%w(Aarhus Aalborg Assens)，我想返回['Assens', 'Aalborg', 'Aarhus']，这是丹麦语的正确顺序。

标准排序方法

%w(Aarhus Aalborg Assens).sort

返回一些看起来像 ascii 顺序的东西（至少不是丹麦顺序）：

["Aalborg", "Aarhus", "Assens"]

环境是 Snow Leopard 和运行 ruby 1.9.2 和 Rails 3.0.5 的 linux。

【问题讨论】：

你能解释一下丹麦的订购吗？字母顺序是否与英语不同？
铁皮人在他的回答中解释了这一点。许多语言对特殊字符和字符组合都有特殊的规则。这些规则由排序规则定义，例如da_DK 表示丹麦语 og sv_SE 表示瑞典语。

标签： ruby-on-rails ruby ruby-on-rails-3 internationalization collation

【解决方案1】：

根据Wikipedia：

在丹麦语和挪威语字母表中，也出现了与瑞典语相同的额外元音（见下文），但顺序和字形不同（...、X、Y、Z、Æ、Ø、Å） .此外，“Aa”作为“Å”的等价物进行整理。丹麦字母传统上将“W”视为“V”的变体，但今天“W”被视为一个单独的字母。”

这会导致排序失败。

这样做可以解决问题：

names = %w(Aarhus Aalborg Assens)
names.sort_by { |w| w.gsub('Aa', 'Å') } # => ["Assens", "Aalborg", "Aarhus"]

对于具有复合字符组合以转换为单个字符的其他字母来说，类似的东西。

之所以如此，是因为sort_by 做了一个Schwartzian Transformation，所以它实际上是按照从块返回的返回值进行排序的，在这种情况下，是用“Å”替换了“Aa”的名称。替换是临时的，并在数组排序时被丢弃。

sort_by 非常强大，但确实有一些开销。对于简单的排序，您应该使用sort，因为它更快。对于您在对象的顶层比较两个简单值的排序，那么无论您应该使用sort 还是sort_by，都将成为一种洗牌。如果您必须进行更复杂的计算或挖掘对象，那么sort_by 可以证明更快。没有真正的硬性方法可以知道哪个更好，因此如果您必须对大型数组或处理对象进行排序，我强烈建议您使用基准测试，因为差异可能很大，有时sort 可以是更好的选择。

编辑：

Ruby 本身不会做你想做的事，因为它不知道每个字符的排序顺序。有一个 discussion 关于合并 IBM's ICU 解释了为什么会这样。如果您想要 ICU 的能力，您可以查看ICU4R。我没有玩过它，但这听起来像是你在 Ruby 中唯一真正的解决方案。

您也许可以使用 Postgres 之类的数据库做一些事情。它们支持各种排序选项，但通常会强制您在创建数据库时声明排序规则......或者可能是在创建表时......自从我创建新表以来已经有一段时间了。无论如何，这将是一个选择，虽然它会很痛苦。

【讨论】：

我正在寻找一个按排序规则排序的通用解决方案。所有替换和规则都由排序规则定义，我不想在比较完成之前手动更改文本。它容易出错，我想性能不是很好。另外，当我突然需要支持另一种语言时，我将不得不重新开始：/
+1 表示答案的“编辑”部分。 icu4r 看起来非常无人维护。也许检查这个叉子：github.com/noahdiewald/icu4r

【解决方案2】：

我在 Github 上找到了 ffi-locale，据我所知，这解决了我的问题。

它允许以下代码：

FFILocale::setlocale FFILocale::LC_COLLATE, 'da_DK.UTF-8'
%w(Aarhus Aalborg Assens).sort { |a,b| FFILocale::strcoll(a, b) }

返回正确的结果：

=> ["Assens", "Aalborg", "Aarhus"]

我还没有调查性能，但它调用了本机代码，所以它应该比 Ruby 字符替换代码更快......

更新
它并不完美:(它在 Snow Leopard 上无法正常工作 - 似乎 strcoll 功能在 OS X 上已损坏并且已经有一段时间了。这对我来说很烦人，但主要的部署平台是 linux - 它工作的地方- 所以这是我目前首选的解决方案。

【讨论】：