在 Haskell 中按区域设置对字符串进行排序和比较？

Question

是否可以在 Haskell (GHC) 中对带有国家字符的字符串进行正确排序？换句话说，当前区域设置对字符的正确排序？

我确实只找到了 ICU 模块，但它需要安装额外的库，因为它不是 Linux 发行版的标准部分。我想要基于 POSIX 的 C（类似 glibc）库的解决方案，这样处理额外的依赖项就不会有任何麻烦。

Answer 1

推荐方式：text-icu

以区域设置敏感的方式稳健处理字符串的推荐方式是通过 文本 和 text-icu< /a>，如您所见。标准库集中提供了 text 库，Haskell 平台。

一个示例，对土耳其语字符串进行排序：

{-# LANGUAGE OverloadedStrings #-}

import Data.Text.IO  as T 
import Data.Text.ICU as T 
import Data.List     (sortBy)

main = do
  let trLocale = T.Locale "tr-TR"
      str      = "ÇIİĞÖŞÜ"
      strs     = take 10 (cycle $ T.toLower trLocale str : str : [])

  mapM_ T.putStrLn (sortBy (T.compare [T.FoldCaseExcludeSpecialI]) strs)

似乎可以正确排序 字典顺序 基于区域设置，在正确小写土耳其语字符串后：

*Main> main
ÇIİĞÖŞÜ
ÇIİĞÖŞÜ
ÇIİĞÖŞÜ
ÇIİĞÖŞÜ
ÇIİĞÖŞÜ
çıiğöşü
çıiğöşü
çıiğöşü
çıiğöşü
çıiğöşü

不使用 text-icu 包

您已在您的问题以避免使用除 Posix 提供的库之外的其他库的解决方案。虽然 text-icu 可以轻松地从 Hackage 安装（cabal install text-icu），但它确实依赖于 ICU C 库，而该库并非随处可用。此外，没有任何 Posix 替代方案能够如此强大或全面。最后，text-icu 是唯一能够正确执行多字符字符转换的包。

尽管如此，Haskell 中内置的 Char 和 String 类型提供了 Data.Char，其值代表 Unicode，其函数 将使用 Open Group 定义的 wchar_t 函数。此外，我们可以以（文本）区域设置敏感的方式在句柄上执行 IO。

import System.IO  
import Data.Char
import Data.List  (sort)

main = do
    t <- mkTextEncoding "UTF-8"
    hSetEncoding stdout t

    let str      = "ÇIİĞÖŞÜ"
        strs     = take 10 (cycle $ map toLower str : str : [])

    mapM_ putStrLn (sort strs)

事实上，GHC 默认情况下会使用您的文本区域设置进行 IO（例如 UTF8）。对于许多问题，这可能会给出正确的答案。您只需要意识到，在许多情况下它也会是错误的，因为如果没有批量处理文本以及丰富的转换和比较支持，就不可能正确。

*Main> main
ÇIİĞÖŞÜ
ÇIİĞÖŞÜ
ÇIİĞÖŞÜ
ÇIİĞÖŞÜ
ÇIİĞÖŞÜ
çiiğöşü
çiiğöşü
çiiğöşü
çiiğöşü
çiiğöşü

---