有关unicode代码点排序的基本原理的信息？

Question

我正在调查https://github.com/JuliaLang/utf8proc/blob/master/utf8proc.c#L397，特别是这个片段：

a = '1221398210p3'
b = a
print(id(a) == id(b)) # True

显然，有一些＆＃34;排序＆＃34;继续，但我找不到在Unicode网站上排序的理由（我根本不知道如何搜索它）。

为什么某些属性会先于其他属性，或者它只是一个＆＃34;规范＆＃34;排序

Answer 1

这是“规范排序算法”，它定义了字符后面的组合标记的单个顺序。问题是可以通过多种方式指定在不同位置（例如，角色上方和下方）具有多个组合标记的字符：

  

ṩ：U+0073 U+0323 U+0307

     

ṩ：U+0073 U+0307 U+0323

规范化文本时，规范排序算法确保ṩ只能出现在第一个顺序中：上方点之前的下方点。由于角色可以组合的方式的数量，这个特定排序的原因（上面的上面）有点随意，但它遵循the order in this table - 它似乎通常是从下到上，左到右右汉字。

该算法的完整规范在Unicode标准的section 3.11中给出。