Question

我在这里添加了这个问题的答案：Sorting List<String> in C#，它要求一个自然的排序顺序，一个处理嵌入数字的顺序。

然而，我的实现是天真的，并且代替所有关于应用程序如何通过假设（土耳其测试任何人？）正确处理Unicode的帖子，我想我会请求帮助写一个更好的实现。或者，如果有.NET的内置方法，请告诉我：）

我对该问题中答案的实现只是通过字符串，逐个字符进行比较，直到遇到两个数字。然后它从两个字符串中提取连续的数字，这可能导致长度变化，用前导零填充最短的数字，然后进行比较。

然而，它存在问题。

例如，如果你在字符串x中有两个代码点一起构成字符È，但在另一个字符串中你只有一个代码点，那就是那个字符。

我的算法会失败，因为它会将变音符号码视为单个字符，并将其与其他字符串中的È进行比较。

任何人都可以指导我如何妥善处理这个问题吗？我希望支持指定一个CultureInfo对象来处理语言问题，比如在德国比较“ss”和“ß”，以及类似的东西。

我认为我需要让我的代码枚举“真实字符”（我不知道真正的术语）而不是单个代码点。

对此有什么正确的解决方法？

此外，如果“自然”意味着“人类期望它的运作方式”，我会在思考时添加以下内容：

日期和时间怎么样？
浮点值怎么样？
是否有其他被认为是“天然”的序列？
- 这应该延伸多远？（Eeny，meeny，miny，moe）

Answer 1

这在Windows中已经可用，shell在资源管理器窗口中排列文件时使用自然排序顺序。它使用的比较功能被导出并可用于任何程序，至少从Windows 2000开始。虽然P / Invoke不是最好的解决方案，但它确实具有在过去10多年中经过数十亿次测试的相当大的优势。并以用户已经熟悉的方式对字符串进行排序。

处理变音符号已经是.NET的一部分了，string.Normalize（）方法负责处理它。

这是一个使用它的示例程序，它根据原始线程中的请求正确排序字符串：

using System;
using System.Collections.Generic;
using System.Runtime.InteropServices;

class Program {
    static void Main(string[] args) {
        string[] arr = new string[] { "1", "5", "3", "6", "11", "9", "NUM1", "NUM0" };
        Array.Sort(arr, new LogicalComparer());
        foreach (string s in arr) Console.WriteLine(s);
        Console.ReadLine();
    }
}
class LogicalComparer : IComparer<string> {
    public int Compare(string x, string y) {
        return StrCmpLogicalW(x.Normalize(), y.Normalize());
    }
    [DllImport("shlwapi.dll", CharSet = CharSet.Unicode, ExactSpelling = true)]
    private static extern int StrCmpLogicalW(string s1, string s2);
}

Answer 2

我对.NET不太了解，但由于它也是一个算法问题，这是我的两分钱：

我尝试将字符串拆分为标记，可能使用正则表达式。然后，您可以使用适当的比较函数，根据令牌的类型，按令牌比较字符串令牌。

更具体地说：

为日期，数字，单词等定义正则表达式...最后一个应该是与任何字符匹配的后备表达式。
尝试每个表达式，最具体的是第一个，直到一个表达式在两个字符串的开头匹配
使用适当的比较函数提取匹配的部分并进行比较。
如果相等，请从两个字符串的开头删除匹配项，然后从步骤2开始重复。

使用正则表达式，如果你不使用[a-zA-Z]但是正确的字符类如[:alpha:]，也应该可以支持unicode。

对于不同形式的È的比较，你可以先尝试normalize字符串。

写一个更好的自然类型（比我的）

2 个答案: