为什么“-less”在排序时排在“hello”之后而不是之前？

Question

我使用CaseInsensitiveComparer.DefaultInvariant时发现一些非常奇怪的排序行为。以破折号“ - ”开头的单词最终被排序，好像没有破折号一样，而不是按照其他标点符号一样排在字母前面。

所以，给定 { "hello", ".net", "-less"}，结果为{".net", "hello", "-less" }，而不是预期的{"-less", ".net", "hello"}。

换言之，作为一个测试案例：

[TestMethod]
public void TestMethod1()
{
    var rg = new String[] { 
        "x", "z", "y", "-less", ".net", "- more", "a", "b"
    };

    Array.Sort(rg, CaseInsensitiveComparer.DefaultInvariant);

    Assert.AreEqual(
        "- more,-less,.net,a,b,x,y,z", 
        String.Join(",", rg)
    );
}

...这种情况下会出现失败：

Assert.AreEqual failed. 
Expected:<- more,-less,.net,a,b,x,y,z>. 
Actual:  <- more,.net,a,b,-less,x,y,z>.

有什么想法是怎么回事吗？

编辑：

看起来，默认情况下，.NET在对字符串进行排序时会进行一些花哨的操作，导致前导连字符被排序到奇怪的位置，使得co-op和coop一起排序。因此，如果您希望您的前导连字符单词以其他标点符号的方式出现在开头，则必须告诉它不要这样做：

Array.Sort(rg, (a, b) => String.CompareOrdinal(a, b));

- Aaron Maenpaa

---

当没有空格附加时，它可能被视为类似于负号。 - Merlyn Morgan-Graham

如果每个问题都可以表示为单元测试，那该多好啊。 - Bob

我不清楚点“.”，但是看起来StringComparer.InvariantCulture在进行比较之前会忽略所有破折号“-”。 - tsul

Answer 1

比较过程使用CultureInfo.InvariantCulture来确定排序顺序和大小写规则。根据文化背景不同，字符串比较可能会产生不同的结果。有关特定于文化的比较的更多信息，请参见System.Globalization命名空间和编码与本地化。 从这里开始。 一个单词排序执行一种针对字符串的特定于文化的比较，其中某些非字母数字Unicode字符可能会被分配特殊权重。例如，连字符（-）可能会被分配非常小的权重，以便“coop”和“co-op”在排序列表中相邻出现。 从这里开始。

- Forgotten Semicolon

---

那么 OP 可以按照以下方式解决混淆吗？“字符串排序也执行区域敏感比较。它类似于单词排序，但没有特殊情况，并且所有非字母数字符号都排在所有字母数字 Unicode 字符之前。可以通过调用具有选项参数的 CompareInfo.Compare 方法重载来使用字符串排序规则比较两个字符串，该参数提供了 CompareOptions.StringSort 的值。请注意，这是 .NET Framework 提供的唯一使用字符串排序规则比较两个字符串的方法。” - Steve Townsend

+1，好答案。思考许多不同类型的破折号会让你的大脑爆炸，键盘上的那个总是错的：http://en.wikipedia.org/wiki/Dash - Hans Passant

Answer 2

为了按照您的需求对字符串进行排序，您需要创建一个比较器类，该类使用Compareinfo class比较字符串。该类允许您指定各种比较方法，最适合您需求的是OrdinalIgnoreCase。

来自MSDN：

忽略的搜索值

比较操作（例如IndexOf或LastIndexOf方法执行的操作）可能会产生意外结果，如果要搜索的值被忽略。 如果搜索值是空字符串（""），由于比较选项而不考虑代码点的字符或字符串，或具有没有语言学意义的代码点的值，则忽略搜索值。 例如，如果IndexOf方法的搜索值是空字符串，则返回值为零。

注意： 尽可能使用接受CompareOptions值以指定所需比较类型的字符串比较方法。 一般来说，用户界面比较最好使用语言选项（使用当前区域设置），而安全性比较应该指定Ordinal或OrdinalIgnoreCase。

我修改了您的测试用例，并且这个执行正确：

public class MyComparer:Comparer<string>
{
    private readonly CompareInfo compareInfo;

    public MyComparer()
    {
        compareInfo = CompareInfo.GetCompareInfo(CultureInfo.InvariantCulture.Name);
    }

    public override int Compare(string x, string y)
    {
        return compareInfo.Compare(x, y, CompareOptions.OrdinalIgnoreCase);
    }
}

public class Class1
{
    [Test]
    public void TestMethod1()
    {
        var rg = new String[] { 
    "x", "z", "y", "-less", ".net", "- more", "a", "b"
};

        Array.Sort(rg, new MyComparer());

        Assert.AreEqual(
            "- more,-less,.net,a,b,x,y,z",
            String.Join(",", rg)
        );


    }
}

- Andrea Parodi

Answer 3

我的猜测是，对于排序目的，紧挨着字母的破折号会被忽略。当你对一系列单词进行排序时，希望“inter-nation”和“international”彼此相邻，不是吗？另一方面，单独的破折号被认为是有意义的。

- James Curran

---

不完全是-我希望(并期望)根据它们在ASCII字符集中的位置对嵌入的非字母字符进行排序。您是否认为"inter-national"和"international"在这个比较器中是相同的？ - Steve Townsend

Answer 4

排序顺序取决于文化，因此您不能假设字符将按ASCII顺序排序。

http://msdn.microsoft.com/en-us/library/a7zyyk0c.aspx

在你的例子中，“h”（U+0048）在“dash”（U+2013）之前，因此“hello”将出现在“-less”之前。 “.” （U+002E）在两者之前，所以“.net”会先出现。

- MikeWyatt

---

错误的解释。尝试对“aa”、“-bb”和“cc”进行排序，你会发现Unicode顺序在这里并不重要。更有可能的是比较器“吃掉了”前导点和破折号。 - tsul