Question

是否可以在Haskell（GHC）中使用国家字符对字符串进行正确排序？换句话说，按当前区域设置正确整理Chars？

我确实只找到了ICU模块，但它需要安装额外的库，因为它不是linux发行版的标准部分。我想基于POSIX的C（glibc like）库解决方案，因此处理额外的依赖关系不会有任何麻烦。

Answer 1

推荐方式：text-icu

如您所见，以区域设置敏感方式强健处理字符串的推荐方法是通过 text 和 text-icu 。 text库在标准库集Haskell Platform中提供。

一个例子，排序土耳其语字符串：

{-# LANGUAGE OverloadedStrings #-}

import Data.Text.IO  as T 
import Data.Text.ICU as T 
import Data.List     (sortBy)

main = do
  let trLocale = T.Locale "tr-TR"
      str      = "ÇIİĞÖŞÜ"
      strs     = take 10 (cycle $ T.toLower trLocale str : str : [])

  mapM_ T.putStrLn (sortBy (T.compare [T.FoldCaseExcludeSpecialI]) strs)

在正确缩小土耳其语字符串后，

似乎根据区域设置按lexicographic ordering正确排序：

*Main> main
ÇIİĞÖŞÜ
ÇIİĞÖŞÜ
ÇIİĞÖŞÜ
ÇIİĞÖŞÜ
ÇIİĞÖŞÜ
çıiğöşü
çıiğöşü
çıiğöşü
çıiğöşü
çıiğöşü

未使用text-icu软件包

您已在问题中询问避免使用其他库的解决方案，而不是Posix提供的解决方案。虽然text-icu可以从Hackage（cabal install text-icu）轻松安装，但它确实依赖于ICU C库，而这在任何地方都不可用。此外，没有Posix替代方案具有强大或全面性。最后，text-icu是唯一正确对多字符字符进行转换的包。

鉴于此，Haskell中内置的Char和String类型提供Data.Char，其值表示Unicode，并且函数will do Unicode case conversion以区域设置不敏感的方式使用{{3由Open Group定义。此外，我们可以以（文本）区域设置敏感的方式对句柄执行IO。

import System.IO  
import Data.Char
import Data.List  (sort)

main = do
    t <- mkTextEncoding "UTF-8"
    hSetEncoding stdout t

    let str      = "ÇIİĞÖŞÜ"
        strs     = take 10 (cycle $ map toLower str : str : [])

    mapM_ putStrLn (sort strs)

实际上，GHC默认会将您的文本区域设置用于IO（例如UTF8）。对于许多问题，这可能会给出正确的答案。您必须意识到在许多情况下它也会出错，因为如果没有批量处理文本，以及丰富的转换和比较支持，它是不可能正确的。

*Main> main
ÇIİĞÖŞÜ
ÇIİĞÖŞÜ
ÇIİĞÖŞÜ
ÇIİĞÖŞÜ
ÇIİĞÖŞÜ
çiiğöşü
çiiğöşü
çiiğöşü
çiiğöşü
çiiğöşü

在Haskell中按区域设置对字符串进行排序和比较？

1 个答案: