求匹配指定字符串排序顺序的区域设置与排序规则

目标升序排序结果 #

T. J. Smith
T. Smith
T.J. Smith
Talya
T'Amya
Tamya

已尝试的排序方式 #

• Windows 10（本地区域设置）排序结果不匹配
• Ubuntu Nautilus排序结果不匹配
• Ubuntu sort工具：
  • LC_COLLATE=C模式结果不匹配
  • LC_COLLATE=en_US.UTF-8模式结果不匹配

排序规则特征分析 #

从目标排序的顺序可以拆解出核心逻辑：

1. 点号（.）被忽略：
   前三个字符串的排序符合「忽略点号后，按空格、字母的常规升序规则」：
   • 忽略点号后，T. J. Smith变为T J Smith，T. Smith变为T Smith，T.J. Smith变为TJ Smith
   • 空格的排序权重低于字母，因此T J Smith < T Smith < TJ Smith，完全匹配目标里前三项的顺序。
2. 单引号（'）不被忽略，作为次级区分项：
   Talya < T'Amya < Tamya的顺序说明：
   • 优先比较纯字母序列：Talya的字母链是T-a-l-y-a，T'Amya忽略单引号后是T-a-m-y-a，由于l的排序权重小于m，因此Talya排在T'Amya之前。
   • 当纯字母序列完全相同时（T'Amya忽略单引号后与Tamya一致），带有单引号的原字符串排在无单引号的字符串之前。

结论 #

这种排序方式更可能是云服务自定义的规则，而非标准系统区域设置。常见的标准区域设置（如en_US.UTF-8、C）要么会忽略单引号，要么按ASCII码点将T'Amya排在Talya之前，无法匹配目标顺序。

如果需要在本地模拟该规则，可以尝试：

1. 预处理文件名：移除所有点号（.），保留空格和单引号。
2. 按预处理后的字符串升序排序。
3. 若预处理后字符串相同，原字符串包含单引号的排在前面。

内容的提问来源于stack exchange，提问作者julio