为什么JavaScript的Intl.Collator比较和传统UTF-16比较特殊字符结果不同？

差异原因 #

两种比较逻辑的底层规则完全不同：

• 传统UTF-16比较直接对比字符的Unicode码点数值：正斜杠/的码点为十进制47，下划线_的码点为十进制95，47<95，所以返回-1，排序结果为['/', '_']，该逻辑仅和字符编码相关，和使用场景、语言区域无关。
• Intl.Collator是为自然语言排序设计的API，遵循Unicode排序算法（UCA）和对应区域的定制排序规则，完全不依赖码点数值。在en区域的默认排序规则里，下划线的排序优先级高于正斜杠，所以返回1，排序结果为['_', '/']。

这不是ECMAScript实现的Bug #

这个表现完全符合ECMA-402规范的要求，Intl.Collator的设计初衷就是要和默认的码点排序做区分，分别适配不同的场景：

• 码点排序适合机器处理的标识符、编码类内容排序
• Intl.Collator适合面向普通用户展示的自然语言内容排序，符合不同语言使用者的日常排序习惯

容易被遗漏的知识点 #

1. sensitivity: 'base'的配置会忽略字符的大小写、重音差异，只保留最基础的字符权重排序，这种场景下非字母类符号的排序优先级完全由区域规则定义，和码点没有对应关系。
2. 不同区域的排序规则差异极大，哪怕是相同的字符组合，在en、fr、jp等不同区域配置下的排序结果都可能出现差异。

en locale下其他存在同类差异的字符组合 #

这类组合非常多，几乎所有标点符号、特殊字符的排序都可能和码点顺序不一致，举几个常见的例子：

• 连字符-（码点45）和点号.（码点46）：码点排序-在前，en区域Collator排序.在前
• 问号?（码点63）和左方括号[（码点91）：码点排序?在前，en区域Collator排序[在前
• 艾特符@（码点64）和反斜杠\（码点92）：码点排序@在前，en区域Collator排序\在前

内容的提问来源于stack exchange，提问作者akaustav