含特殊字符时xsl:sort排序不符合ASCII顺序问题排查

问题根源 #

XSLT的<xsl:sort>默认采用Unicode整理排序规则，而非原始的ASCII码值排序。ASCII排序是严格按照字符的十进制码值比较：

• 大写字母（A-Z，码值65-90）排在小写字母（a-z，97-122）之前
• 特殊字符如&（38）排在;（59）之前
  但Unicode整理排序会对字符做等价处理（比如大小写等价）或调整特殊字符的排序优先级，导致和预期的ASCII顺序不符。

解决方案 #

针对dom4j使用的XSLT处理器（通常是Xalan），可以通过以下方式实现严格的ASCII顺序排序：

方法1：基于字符码点排序（推荐，XSLT 2.0+） #

使用XSLT 2.0的string-to-codepoints()函数，将字符串转换为字符的Unicode码点序列（ASCII字符的码点与ASCII值完全一致），以此作为排序键：

<xsl:for-each select="employee/name">
    <!-- 按字符码点升序排序，严格遵循ASCII顺序 -->
    <xsl:sort select="string-to-codepoints(.)" data-type="number" order="ascending"/>
    <!-- 你的HTML渲染逻辑 -->
    <div><xsl:value-of select="."/></div>
</xsl:for-each>

这个方法能直接按每个字符的原始码值比较，完全符合预期的ASCII排序结果：

• 员工姓名示例中，Test 2 - test的首字符T（码点84）小于test 1.8 - test的t（码点116），所以排在前面
• 特殊字符示例中，&（38）的码点小于;（59），会优先排列

方法2：指定ASCII排序规则（依赖处理器支持） #

如果使用Xalan处理器，可以通过指定collation URI来启用ASCII排序：

<xsl:for-each select="employee/name">
    <xsl:sort select="." 
              case-order="upper-first" 
              data-type="text" 
              collation="http://apache.org/xml/features/collation/html-ascii-case-insensitive"/>
    <!-- 渲染逻辑 -->
</xsl:for-each>

注意：该方式依赖Xalan对自定义collation的支持，兼容性不如方法1。

兼容XSLT 1.0的方案 #

如果环境只能用XSLT 1.0（不支持string-to-codepoints()），可以自定义模板递归生成字符码点的拼接字符串作为排序键：

<!-- 自定义模板：将字符串转为码点拼接的字符串 -->
<xsl:template name="string-to-codepoint-str">
    <xsl:param name="str"/>
    <xsl:if test="$str != ''">
        <xsl:value-of select="format-number(string-to-codepoints(substring($str,1,1)), '000')"/>
        <xsl:call-template name="string-to-codepoint-str">
            <xsl:with-param name="str" select="substring($str,2)"/>
        </xsl:call-template>
    </xsl:if>
</xsl:template>

<!-- 使用模板生成排序键 -->
<xsl:for-each select="employee/name">
    <xsl:sort data-type="text">
        <xsl:call-template name="string-to-codepoint-str">
            <xsl:with-param name="str" select="."/>
        </xsl:call-template>
    </xsl:sort>
    <!-- 渲染逻辑 -->
</xsl:for-each>

通过将每个字符的码点格式为三位数字（保证排序时的位数一致性），拼接后作为文本排序键，也能实现ASCII顺序。

验证结果 #

• 员工姓名示例使用方法1排序后，输出顺序与预期一致：

  Test 2 - test
  test 1.8 - test
  test 4 - test
  

• 特殊字符示例中，& - &会排在; - ;前面，符合ASCII顺序。

内容的提问来源于stack exchange，提问作者Nadim Mahmud