按字母排序行

使用方法

1. 把要排的文本粘进上方输入框，一行一条：示例共 17 行，其中第 14 行是刻意留的空行，用来验证「忽略空行」开关的效果。
2. 在「排序规则」里选口径。默认「中文拼音序（zh-Hans-CN）」会同时把中文按拼音、英文按字母排；想复现 JavaScript 不传比较函数时的行为，就选「UTF-16 码元序」。
3. 按需勾选开关：默认开「忽略空行」与「忽略大小写与重音」；「去重」默认关，勾上后完全相同的行只保留第一次出现的那条。
4. 点「开始排序」，或在输入框里直接按 Ctrl/Cmd+Enter。四格统计（排序后行数、输入行数、被忽略空行、被去重行数）与 16 行对照表会一起刷新。
5. 看结果：「复制结果」把排好的文本放进剪贴板，「导出对照表 CSV」导出带 BOM 的名次表，「复制对照表」则按 TSV 贴给对方。

按字母排序行能解决什么问题

第一个场景是中文名单排序。把「上海、北京、深圳」三行交给不传比较函数的 sort()，得到的是「上海」在前——因为「上」的 UTF-16 码元是 U+4E0A，「北」是 U+5317，比较时只看码元大小，与拼音毫无关系。按字母排序行默认走 zh-Hans-CN，输出顺序是「北京、上海、深圳」，与汉语拼音 b、sh、sh 的先后一致。

第二个场景是带编号的字符串。「item10」和「item2」按字典序排会得到 item10 在前，因为字符「1」（U+0031）小于「2」（U+0032）。切到「数字自然序」后，连续数字被当成一个整体比较，输出 item2 在 item10 之前，版本号、章节号、章节编号这类数据才不会被排乱。

第三个场景是数据清洗前的规整。示例里 date 出现了两次、中间还夹着一个空行，先把「忽略空行」与「去重」打开，再排序，得到的就是 15 行干净数据，省得先手工删一遍再复制到表格里。

第四个场景是多语言混排。同一个「ä」在不同语言里位置完全不同：德语里它紧挨 a 之后，输出 apfel、äpfel；瑞典语里它排在 z 之后，输出 apfel、zebra、zzz、äpfel。给不同地区导出词表时，选对 locale 才不会把顺序排反。

本页只做「按整行内容排序」这一件事。要统计行数请用行统计，要把行顺序随机打乱请用打乱行工具，要专门去掉重复行请用删除重复行，要把字母统一成大写请用字母转大写——它们各自处理的正是本页不做的部分。

三种排序规则的原理和变量

第一层要说清的是函数。Array.prototype.sort() 不传比较函数时，会把元素转成字符串，再逐个 UTF-16 码元比大小，所以它实现的既不是拼音序也不是字母序，只是码元序。要按语言习惯排序，必须传比较函数：Intl.Collator(locale, options).compare。这个构造函数由 ECMA-402 定义，底层用的是 Unicode CLDR 的排序数据，属于 UTS #10 排序算法（Unicode Collation Algorithm）的本地化实现。

第二层是参数为什么这样取。locale 传死 'zh-Hans-CN' 而不留空，是因为留空会用宿主默认 locale：复算脚本实测同一份数据在默认 locale 下「Ápple」会跑到第 1 位，同一段代码在别人机器上结果就变了。sensitivity 取 'base' 的作用是把大小写与重音折叠掉——实测 compare('Apple','apple') 返回 0、compare('Ápple','apple') 也返回 0；若改成 'variant'，前者的返回值变成 1，大小写就真正参与比较了。numeric 只在「数字自然序」这一档打开，让 'item9' < 'item10' 成立（关掉时反过来）。

第三层是中间量。文本先按 /\r?\n/ 切成行，再逐行去掉首尾空白（trim），接着按开关丢掉空白行、按开关去重（用 Set 保留首次出现），然后用 Collator 排序，最后 join('\n') 输出。首字符码元用 codePointAt(0) 读出并写成 U+XXXX，这一步只是让你在对照表里看见「码元序为什么排成这样」。三列名次的默认口径分别是：无参 sort、Collator('zh-Hans-CN')、Collator('zh-Hans-CN', { numeric: true })。

第四层是边界阈值。单行超过 5000 字符、去空行后总行数超过 20000 行都会被拦下：排序的比较次数上界是 n 乘 log2(n)，10000 行要做约 132877 次比较，行数再多浏览器标签页会明显卡顿。numeric 比较在数字串长度超过 2 的 53 次方减 1（9007199254740991）之后不再可靠——复算里 compare('99999999999999999999','100000000000000000000') 返回 −1，原因是两边都被转成了同一个浮点近似值，想比超长数字串得自己写比较器。

第五层是常见误读。最大的一个误读是以为 sort() 会「自动按字母表排」，它其实只会按码元排，所以中文、重音字符、大小写混排时全部会错位；第二个误读是以为 localeCompare 的结果在所有环境一致，实际上不同 ICU 版本对个别字符的排序可能微调；第三个误读是以为「去重」按不区分大小写判定，本页的判定是「逐字符完全相同」，Apple 与 apple 算两行。

完整示例（数值仅作演示）

用输入框里的 17 行做演示：其中 1 行是空白行，非空行 16 行，去重前 date 出现 2 次。按默认设置（中文拼音序、升序、忽略空行、忽略大小写与重音、不去重）排序，得到 16 行，顺序是：北京、上海、深圳、Apple、apple、Ápple、banana、Banana、cherry、date、date、elderberry、fig、grape、item10、item2。注意中文整体排在拉丁字母之前，这是 zh-Hans-CN 的默认次序。

把规则换成「UTF-16 码元序」，同一份数据立刻错位：首行变成 Apple（U+0041 最小），「上海」升到第 14 名、「北京」落到第 15 名，因为 U+4E0A 小于 U+5317 而 U+4E0A 又大于拉丁字母；「Ápple」掉到最后一名（U+00C1 大于 z 的 U+007A）。这正是「按字母排序行」默认不用码元序的原因。

再验证两个开关：勾上「去重」，date 的两行合成一行，16 行变 15 行，统计格「被去掉的重复行」显示 1；把方向切到「降序」，首行变成 item2、末行变成「北京」。对照表里 item10 与 item2 的拼音序名次是 15 与 16、自然数序名次是 16 与 15——这一对互换就是 numeric 开关唯一改动的两行，其余 14 行名次完全一致。

输入范围与排序规则对照表

输入规模：每行最多 5000 字符，去空行后最多 20000 行，超出会在错误区点名第几行、多少个字符。下表把示例里的 16 行固定按三种规则各排一遍，名次越小越靠前。

读表要点：拼音序与自然数序只有 item10、item2 两行互换，其余 14 行名次一致；码元序与拼音序没有任何一行名次相同，说明两者是两套完全不同的次序。表里出现两次 date，是去重前的原始状态，名次取靠后那次的位置。

边界与精度说明

空白行怎么算：只含空格或制表符的行也按空行处理；把「忽略空行」关掉，它们会参与排序并排在最前面，因为空格的码元 U+0020 比任何字母都小。末尾多出的换行符也会被当成一个空行——'b\na\nc' 按 /\r?\n/ 切出 3 个元素，'b\na\nc\n' 切出 4 个，多出来的那个空串正是它。

去重是逐字符完全相同的判定，不做 Unicode 规范化：带重音的 é 与「e 加组合重音符」在视觉上一样，但会被当成两行；同理 Apple 与 apple 也各占一行。如果确实想按「读起来一样」去重，先切到「忽略大小写与重音」只影响排序不影响去重，去重这一步仍按原字符比。

排序是稳定的，这一点从 ECMAScript 2019 起被语言规范强制要求：比较函数返回 0 的两行会保持输入里的先后。所以忽略大小写与重音之后，Apple、apple、Ápple 三行的相对次序就是它们在输入框里的次序，不会每点一次按钮就换一次位置。

数值精度只影响 numeric 档。数字串长度不超过 2 的 53 次方减 1 时比较结果可靠；超过之后浮点近似会让两个不同的超长数字算成相等，实测 compare('99999999999999999999','100000000000000000000') 返回 −1 而不是 1。金额、流水号这类超长数字，建议先把它们规整成等宽字符串再排。

导出格式：对照表 CSV 带 UTF-8 BOM，Excel 双击打开中文不乱码，数字列是纯数字可直接再算；「复制对照表」走 TSV，粘进 Excel 一格一格自动分列。结果文本本身不带 BOM，「复制结果」拿到的是干净的换行文本。

常见问题

相关工具

• 打乱行工具：把行顺序随机打乱，是本页排序的逆向操作，适合抽签或洗牌。
• 删除重复行：专做去重且能报告重复明细，比本页顺带处理的去重更细。
• 删除空行：只清空行不改动其余内容，适合先把脏数据洗干净再拿过来排序。
• 行统计：数总行数、非空行数与最长行，配合本页核对排序前后行数是否一致。
• 列表倒序工具：单纯把行颠倒过来，不重新比较，和本页的降序是两种不同做法。
• 删除多余空格：把连续空格和行首行尾空白一起规整，去掉后再排序结果更整齐。
• 字母转大写：统一大小写后即使不勾「忽略大小写」，排序结果也不会被大小写干扰。