localeCompare是将数据转换成什么编码？？

ma2jiajia 2010-09-19 04:00:34
使用localeCompare对数组进行排序，在IE和FF下，对中文的排序是根据拼音来着，而且效果很不错
至少“窦”字和“豆”字也能正确排序(GBK编码是按照拼音排的，但是窦字排在很后面)
查看了GB18030、UTF-8、BIG5、GB2312
这些编码都是按照部首来排的
那IE和FF使用localeCompare到底是根据什么编码来排的呢？？
...全文
418 11 打赏 收藏 转发到动态 举报
写回复
用AI写文章
11 条回复
切换为时间正序
请发表友善的回复…
发表回复
浴火_凤凰 2010-09-20
  • 打赏
  • 举报
 回复
看看。。。。。。。
ma2jiajia 2010-09-20
  • 打赏
  • 举报
 回复
不知道有没有Linux桌面用户(我虚拟机里装的都只有控制台，没桌面)
试试看FF在Linux下使用localeCompare的拼音排序在Linux下是否同样有效呢？？

在Win下(区域设置中，排序为“拼音”)，IE和FF都可以正常排序的示例代码
<head>

<meta http-equiv="Content-Type" content="text/html; charset=utf-8" />

<script type="text/javascript" language="javascript">

function cusSort(th, order){

  order = typeof order !== "undefined" ? order : 1;

  var tb = th.parentNode.parentNode.parentNode.tBodies[0];

  var arr = [];

  for(var i=0; i<tb.rows.length; i++) {

    var cell = tb.rows[i].cells[th.cellIndex];

    var txt = "";

    for(var n = cell.firstChild; n !== null; n.nextSibling) {

      if(n.nodeType === 3) {

        txt = document.all ? n.nodeValue : n.nodeValue.replace(/^\\n*|^\s*|\s*$|\\n*$/g, "");

        break;

      }

    }

    arr.push([txt, tb.rows[i].rowIndex]);

  }

  arr.sort(function(a, b) { return a[0].localeCompare(b[0]); });

  var ntab = tb.parentNode.cloneNode(true);

  while(tb.rows.length > 0) tb.deleteRow(0);

  if(order) {

    // 如果不使用cloneNode，添加行到旧表格时，对应的ntab中的行就消失了...Orz

    for(var i=(arr.length-1); i>=0; i--) tb.appendChild(ntab.rows[arr[i][1]].cloneNode(true));

  } else {

    for(var i=0; i<arr.length; i++) tb.appendChild(ntab.rows[arr[i][1]].cloneNode(true));

  }

  th.onclick = function() { cusSort(this, !order) };

}

</script>

</head>

<body>

  <table id="tab" border="1">

    <thead>

      <tr>

        <th>ID</th>

        <th onclick="cusSort(this)">NAME</th>

        <th>CLASS</th>

        <th>HOME</th>

        <th>DESC</th>

      </tr>

    </thead>

    <tbody>

      <tr>

        <td>01</td>

        <td>





          JIRO







        </td>

        <td>A3-5</td>

        <td>士大夫棵</td>

        <td> </td>

      </tr>

      <tr>

        <td>02</td>

        <td>潘生</td>

        <td>A3-5</td>

        <td>士大夫棵</td>

        <td> </td>

      </tr>

      <tr>

        <td>03</td>

        <td>戴生</td>

        <td>A3-5</td>

        <td>士大夫棵</td>

        <td> </td>

      </tr>

      <tr>

        <td>04</td>

        <td>

          肖生

        </td>

        <td>A3-5</td>

        <td>士大夫棵</td>

        <td> </td>

      </tr>

      <tr>

        <td>05</td>

        <td>蔡国柱</td>

        <td>A3-5</td>

        <td>士大夫棵</td>

        <td> </td>

      </tr>

      <tr>

        <td>06</td>

        <td>欧阳兆年</td>

        <td>A3-5</td>

        <td>士大夫棵</td>

        <td> </td>

      </tr>

    </tbody>

  </table>

</body>

</html>
ma2jiajia 2010-09-20
  • 打赏
  • 举报
 回复
[Quote=引用 7 楼 theforever 的回复:]
后来试验了一下普通的排序,还真是惨不忍睹.
localeCompare是使用用户机器设置的区域排序规则来进行排序.而我们平时在操作系统的资源管理器里,如果选择"按名称排序",就会看到,是按拼音排序的,至于豆窦什么的排序先后,在这里也都是比较符合正常认识的.虽然没看到有什么确定资料,但我可以十成把握地猜测localeCompare调用的排序规则,就是这个.
就象空气一样,天天用已经习以为常,但真……
[/Quote]
事实证明你是对的
“控制面板”-->“区域和语言设置”-->“区域选项”中“自定义”-->“排序”-->“拼音”(XP中为发音)
我把它换成“笔划”后，再对本来可以正常调用localeCompare的表格进行排序，结果就是按笔划排序了
ma2jiajia 2010-09-20
  • 打赏
  • 举报
 回复
更正，我还以为unicode 5.2中，汉字是从\u3000开始，刚看了下，是从\u3400开始...
碧海情天-赵亮 2010-09-20
  • 打赏
  • 举报
 回复
后来试验了一下普通的排序,还真是惨不忍睹.
localeCompare是使用用户机器设置的区域排序规则来进行排序.而我们平时在操作系统的资源管理器里,如果选择"按名称排序",就会看到,是按拼音排序的,至于豆窦什么的排序先后,在这里也都是比较符合正常认识的.虽然没看到有什么确定资料,但我可以十成把握地猜测localeCompare调用的排序规则,就是这个.
就象空气一样,天天用已经习以为常,但真去思考,却还真有问题.比如这个排序规则,具体的数据表在哪,如何方便地调用(那样就不用再查自己建的拼音字库了),这些仍是有疑问的.
希望其他有兴趣有时间的朋友关注一下吧.
xuzuning 2010-09-20
  • 打赏
  • 举报
 回复
GB2312 最早的国标字库，内分为一级字库（按拼音排序）和二级字库（按部首排序）
GBK 在 GB2312 基础上扩展，包容了 BIG5（台湾的大五码）
GBK 的国际标准（unicode）是 CP936（又称 UCS-2），仅编码不同，排列顺序是一样的
UTF-8（属另一套国际标准） 与 unicode 的码值间存在简单的数学关系
GB18030 是在 GBK 上的又一扩展，由于技术上的原因，目前新扩展的部分尚不能被现行的操作系统支持
ma2jiajia 2010-09-20
  • 打赏
  • 举报
 回复
BTW，上面说我花半天去找GB18030等编码，倒不是说研究很久怎么样，而是...我搜索半天没找到官方网站，或者是有权威一点的，可以下载到完整编码(支持搜索)的网站...
utf-8倒是一下就找到了...
ma2jiajia 2010-09-20
  • 打赏
  • 举报
 回复
[Quote=引用 3 楼 theforever 的回复:]
不好意思,好久没看那个程序,完全记错了.刚才看了下,在里面的编码,其实也是按照部首来的.只不过有"按照拼音分类"这么一个选项.而这个选项的结果,也十分不准确.就如楼主所说的那样.
不过,拼音表汉字集,也很常见,我们经常用它来搜索查找拼音.我想你所说的,就可能是基于此.
[/Quote]
我前天花了半天特地去看了GB18030、UTF-8、GB2312、BIG5、GBK等常用汉字编码的，除了GBK外，其余都是按部首来排序的(GBK后面那些字估计是后来加的，所以无法按照拼音来排序了)
拼音汉字集？？
能给个链接吗？？
我现在的想法是，自己弄个2个数组来存放UTF-8里的汉字集...
例如下面的
var a = [];

a[11095] = 10;

a[15433] = 5;

// 没有读音的(比如偏旁部首)，就统一用zzzzz5来代替，汉字拼音中，最多个应该就5个字母吧？？(zhong)

// 或者就干脆返回对应的十进制utf-8编码

var b = ['zzzzz4','han','han1','han2','han3','han4','zi','zi1','zi2','zi3','zi4'];

var str = 'sdkfj汉字kjsdf';

str = str.replace(/[^\x30-\x80]/g, function($0) {

  return b[a[parseInt(escape($0).substring(2), 16) - 12288]];

});

alert(str);


数组A对应utf-8里，从\u3000开始的汉字，如果是没有读音的，就对应b数组中的0，如果是有读音的，则对应b数组中，相应的读音所对应的下标，数据先检测是否带有汉字(是否在\u30-\u80区)，如果有带汉字，则把汉字转换成相应的utf-8编码，然后再转为10进制，再减去12288(utf-8中，第一个汉字是从\u3000开始的)
不过要把utf-8里的汉字都收录的话，也是个大工程啊，而且弄出来，估计js文件应该都有1M左右了...
碧海情天-赵亮 2010-09-19
  • 打赏
  • 举报
 回复
不好意思,好久没看那个程序,完全记错了.刚才看了下,在里面的编码,其实也是按照部首来的.只不过有"按照拼音分类"这么一个选项.而这个选项的结果,也十分不准确.就如楼主所说的那样.
不过,拼音表汉字集,也很常见,我们经常用它来搜索查找拼音.我想你所说的,就可能是基于此.
碧海情天-赵亮 2010-09-19
  • 打赏
  • 举报
 回复
说错了,看CHARMAP还真容易反倒产生误解,里面是按部首排的,但其实你仔细看,表面上相邻的两个汉字的编码,却不是相邻的.汉字的编码,还是按照拼音排的.至于其它有些编码标准,则如早期的区位码一样,是按部首.这都是较早期的标准.
碧海情天-赵亮 2010-09-19
  • 打赏
  • 举报
 回复
你没用过charmap这个系统内置工具吗.
看看里面的汉字集就知道了.IE,FF可没闲工夫另外专整一套,不过如此而已.
javascript文档
encodeURIComponent 方法 将文本字符串编码为合法的通用资源标识符 (URI)组件。 Enumerator 对象 提供集合中的项的枚举。 相等运算符（==） 比较两个表达式，看是否相等。 Error 对象 包含在运行 JScript 代码时...
JScript 语言参考
encodeURIComponent 方法 将文本字符串编码为合法的通用资源标识符 (URI)组件。 Enumerator 对象 提供集合中的项的枚举。 相等运算符（==） 比较两个表达式，看是否相等。 Error 对象 包含在运行 JScript 代码时...
微软JavaScript手册
encodeURIComponent 方法 将文本字符串编码为合法的通用资源标识符 (URI)组件。 Enumerator 对象 提供集合中的项的枚举。 相等运算符（==） 比较两个表达式，看是否相等。 Error 对象 包含在运行 JScript 代码时...
JavaScript 字符串方法
toString charAt和charCodeAt concat slice、substring、substr indexOf和lastIndexOf ...将任意数据类型转换为字符串 var num=24; var mystr=num.toString(); //"24" 2.charAt和charCodeAt charAt方法和charCodeAt方
js的基本七种数据类型是什么
ECMAScript 中的数值以64位双精度浮点数存储，但位运算只能作用于整数，因此要先将 64 位的浮点数转换成 32 位的整数，然后再进行位运算，最后再将计算结果转换成64位浮点数存储。常见的位运算有以下几种： 按位非...
JavaScript

87,921

社区成员

224,619

社区内容

发帖
与我相关
我的任务
社区描述
Web 开发 JavaScript
社区管理员
  • JavaScript
  • 无·法
加入社区
  • 近7日
  • 近30日
  • 至今

加载中

查看更多榜单
社区公告
暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章