ببینید چرا مرتبسازی فارسی خراب میشود و چطور درستش کنید
فهرست شهرها را مرتب میکنید و «یزد» یکجا در وسط فهرست مینشیند و «یزد» دیگری ته آن؛ یا «۱۰ تیر» جلوتر از «۲ تیر» میآید. مرتبسازی فارسی روی رایانه چند تلهی آشنا دارد: دو نویسهی مختلف که یک شکل دارند، نیمفاصله، و ارقام فارسی که مثل متن مرتب میشوند.
این ابزار هر فهرست را همزمان سه بار مرتب میکند: با ترتیب خام کدپوینت، با Intl.Collator فارسی مرورگر، و پس از نرمالسازی. با مقایسهی کنار هم میبینید مشکل کجاست و کدام ترتیب برای کار شما درست است. کد آمادهی جاوااسکریپت، SQL و پایتون هم پایین صفحه هست.
خطها را وارد کنید
هر مورد را در یک خط بنویسید یا بچسبانید. «نمونهی آماده» فهرستی پر از موارد مشکلدار میگذارد.
نوع مرتبسازی را انتخاب کنید
حالت خودکار اگر همهی خطها عدد باشند عددی و در غیر این صورت حرفی مرتب میکند؛ برای عبارتهایی مثل «۱۰ تیر» حالت ترکیبی را بزنید.
گزینههای نرمالسازی را تنظیم کنید
سه کلید تعیین میکنند «ی» و «ک» عربی با فارسی یکی حساب شوند، نیمفاصله نادیده گرفته شود و ارقام فارسی و لاتین برابر باشند.
سه ستون را مقایسه کنید
خروجی کدپوینت، Collator و نرمالشده کنار هم میآید و جدول پایین جایگاه هر خط را نشان میدهد؛ جایگاههای پررنگ با ترتیب نرمالشده فرق دارند.
کد معادل را بردارید
اگر ترتیب نرمالشده را میپسندید، قطعهکد زبان خودتان را کپی و در پروژهتان استفاده کنید.
تاریخهای ناقص با ترتیب طبیعی
در حالت ترکیبی عدد داخل متن مثل یک عدد واقعی مقایسه میشود، پس «۲ تیر» پیش از «۱۰ تیر» میآید.
۱۰ تیر ۲ تیر ۱ تیر
نتیجه: ۱ تیر، ۲ تیر، ۱۰ تیر
شهرهایی با «ی» و «ک» عربی
فهرستی که بعضی شهرها را با نویسهی عربی دارد. ابزار تعداد این خطها و شمار خطهایی را که پس از نرمالسازی جابهجا میشوند میگوید.
يزد اصفهان یزد كرج کرج آبادان
نتیجه: ۲ خط نویسهی عربی دارد و جایگاه ۴ خط پس از نرمالسازی عوض میشود
اعداد فارسی با اعشار
وقتی همهی خطها عدد باشند، حالت خودکار آنها را بر پایهی مقدار مرتب میکند، نه بر پایهی ارقام.
۱۲ ۹ ۱۰۰ ۲٫۵
نتیجه: ۲٫۵، ۹، ۱۲، ۱۰۰
چند خط وارد کنید تا سه ترتیب با هم مقایسه شوند.
«ی» و «ک» فارسی با «ي» و «ك» عربی شکل تقریباً یکسانی دارند، اما کدپوینتشان فرق دارد (U+06CC در برابر U+064A و U+06A9 در برابر U+0643). مرتبسازی بر پایهی کدپوینت همهی کلمههای دارای نویسهی عربی را جدا از کلمههای فارسی مینشاند؛ جستوجو و یکتایی داده هم به همین دلیل خطا میکند. Intl.Collator ترتیب حروف فارسی را درست میداند، ولی این دو نویسه را برابر نمیگیرد. پس همزمان باید داده را نرمال کرد و از Collator استفاده کرد.
const collator = new Intl.Collator("fa");
// نرمالسازی ی/ک عربی پیش از مقایسه
const key = (s) => s.replace(/ي|ى/g, "ی").replace(/ك/g, "ک");
names.sort((a, b) => collator.compare(key(a), key(b)));