如何基于ICU实现多区域设置字符串排序及ASCII优先排序？

核心思路：按字符所属区域分层生成排序键 #

要实现ASCII字符串排在波斯语（或其他区域语言）之前，或是基于多区域设置排序，关键是先区分字符串的字符所属区域，再针对性生成排序键——直接拼接不同区域的getSortKey结果无效，因为getSortKey对任何字符串都会生成对应区域的排序值，哪怕字符不属于该区域。

方案一：先分组再按区域排序 #

先判断字符串是否包含目标非ASCII区域的字符，给ASCII组分配更高优先级，再在组内用对应区域的Collator排序。

示例代码：

from icu import Collator, Locale
import re

# 初始化不同区域的排序器
en_collator = Collator.createInstance(Locale("en_US.UTF-8"))
fa_collator = Collator.createInstance(Locale("fa_IR.UTF-8"))

# 匹配波斯语字符的正则（可根据需求调整字符范围）
fa_char_pattern = re.compile(r'[\u0600-\u06FF]')

def custom_sort_key(s):
    # 第一步：判断是否含波斯语字符，ASCII组优先级为0（靠前），波斯语组为1（靠后）
    has_fa_chars = bool(fa_char_pattern.search(s))
    priority = 0 if not has_fa_chars else 1
    
    # 第二步：组内按对应区域规则排序
    if priority == 0:
        return (priority, en_collator.getSortKey(s))
    else:
        return (priority, fa_collator.getSortKey(s))

# 测试用例
mylist = ["سلام", "apple", "دنیا", "Banana", "123"]
mylist.sort(key=custom_sort_key)
print(mylist)  # 输出: ['123', 'apple', 'Banana', 'سلام', 'دنیا']

方案二：自定义规则实现多区域排序（进阶） #

通过ICU的RuleBasedCollator自定义排序规则，直接指定ASCII字符的优先级高于目标区域字符。

示例代码：

from icu import RuleBasedCollator

# 自定义排序规则：先排ASCII字母、数字，再按波斯语规则排序
# 规则语法可参考ICU官方规范，以下为简化示例
custom_rules = """
&[before 0000] < a,A < b,B < c,C < d,D < e,E < f,F < g,G < h,H < i,I < j,J < k,K < l,L < m,M < n,N < o,O < p,P < q,Q < r,R < s,S < t,T < u,U < v,V < w,W < x,X < y,Y < z,Z < 0 < 1 < 2 < 3 < 4 < 5 < 6 < 7 < 8 < 9
&[\u0600-\u06FF]
"""
collator = RuleBasedCollator(custom_rules)

mylist = ["سلام", "apple", "دنیا", "Banana", "123"]
mylist.sort(key=collator.getSortKey)
print(mylist)

为什么直接拼接SortKey无效？ #

Collator.getSortKey会将任何字符串映射到当前区域的排序规则中，比如波斯语Collator处理英文时，会把英文字符对应到波斯语排序体系的某个位置，导致拼接后的元组无法实现预期的分组排序逻辑。而先判断字符所属区域再分配优先级的方式，能明确区分不同组的排序层级。

内容的提问来源于stack exchange，提问作者saeedgnu