localeCompare 为不同的 unicode 符号返回 0答案

【问题标题】：localeCompare returns 0 for different unicode symbolslocaleCompare 为不同的 unicode 符号返回 0
【发布时间】：2020-07-21 23:23:58
【问题描述】：

我希望使用localeCompare 对字符串进行严格排序，但我发现它返回0，当给定两个不同的unicode 字符时，错误地表明它们是相同的，例如

ℜ U+211C (alt-08476) BLACK-LETTER CAPITAL R = 实部

ℝ U+211D (alt-08477) DOUBLE-STRUCK CAPITAL R = 实数集

"ℜ".localeCompare("ℝ", "en")   
> 0

"ℜ" === "ℝ"                    
> false

"ℜ".charCodeAt(0)
> 8476

"ℝ".charCodeAt(0)
> 8477

我查看了文档，但默认值已经用于“排序”和“变体”，这似乎是最严格的可用：

https://developer.mozilla.org/en-US/docs/Web/JavaScript/Reference/Global_Objects/Intl/Collator/Collator

localeCompare 不能给严格的命令吗？

【问题讨论】：

标签： javascript string string-comparison

【解决方案1】：

似乎String.localeCompare()在检测到它们都是大写字母R的非ASCII版本后，正确地指出这两个字符的顺序没有特别的区别。

console.log(
  // two non-0x43 uppercase Cs
  'ℂ'.localeCompare('?', 'en'),

  // two non-0x5A uppercase Zs
  "ℤ".localeCompare('?', 'en'),
  
  // 0x5A ASCII Z precedes both:
  "Z".localeCompare('ℤ', 'en'),
  "Z".localeCompare('?', 'en'),
);

您可以在由于规范等价而没有定义排序顺序的地方使用 unicode 位置：

const sort = (a, b) => a.localeCompare(b) || -(a < b);

console.log(
  //  1 (C < ? in localeCompare)
  sort('?', 'C'),
  // -1 (Canonically equivalent; falls back to 0x2102 < 0xD835)
  sort('ℂ', '?')  
);

来自ECMAScript spec：

实际返回值由实现定义以允许实现者在值中编码附加信息，但是需要函数来定义所有字符串的总排序并 比较被Unicode标准视为canonically equivalent的字符串时返回0。

来自关于 Unicode 等价的维基百科文章：

Unicode 提供了两个这样的概念，规范等价和兼容性。规范定义的代码点序列假定等效项具有相同的外观和含义打印或显示。

例如，代码点 U+006E（拉丁文小写n）后跟U+0303（组合波浪号◌̃）是由 Unicode 定义为规范地等效于单个代码点 U+00F1（西班牙字母表的小写字母 ñ）。

因此，这些序列应该以相同的方式显示，应通过应用程序以相同的方式处理，例如 按字母顺序排列名称或搜索，并且可以替换每个其他。类似地，每个被编码为单个字符可以等效地编码为一个组合前导连词jamo，元音连词jamo，如果合适的话，尾随连体jamo。

另请参阅：https://unicode.org/reports/tr10/

【讨论】：

@JonasWilms 好链接，已添加！