使用Perl在Windows上使用区域设置进行多语言文本排序

我正在构建一个软件，用于对不同语言的书籍索引进行排序。它使用Perl，并使用区域设置以外的键。我正在Unix上开发它，但它需要可移植到Windows。这在原则上是可行的，还是依赖于现场环境，我是不是找错了方向？一句话，Windows确实是我需要它的地方，但我在UNIX环境中开发更舒服。

让您可以访问系统的这一部分。它为您提供了

CompareString

和获取必要的区域设置id所需的工具

---

如果您想要/需要定位系统文档，则假定您的起点是Unicode，则基础系统调用名为

CompareStringEx

，因为您非常小心地解码所有传入数据，无论其本机编码是什么，然后就可以很容易地使用

Unicode:：Collate

模块作为起点

如果您想要进行区域设置裁剪，那么您可能需要从

Unicode:：Collate:：locale

开始

解码为Unicode 如果您在全UTF8环境中运行，这很容易，但是如果您受到随机所谓“区域设置”（或者更糟糕的是，微软称之为“代码页”的丑陋事物）的影响，那么您可能需要使用CPAN

Encode:：Locale

模块来帮助您。例如：

 use Encode;
 use Encode::Locale;

 # use "locale" as an arg to encode/decode
 @ARGV = map { decode(locale =>  $_) } @ARGV;

 # or as a stream for binmode or open
 binmode $some_fh, ":encoding(locale)";

 binmode STDIN,  ":encoding(console_in)"  if -t STDIN;
 binmode STDOUT, ":encoding(console_out)"  if -t STDOUT;
 binmode STDERR, ":encoding(console_out)"  if -t STDERR;

 my $collator = Unicode::Collate->new();
 for my $rec (@recs) {
     $rec->{NAME_key} = 
        $collator->getSortKey( $rec->{NAME} );
 }
 @srecs = sort {
     $b->{AGE}       <=>  $a->{AGE}
                     ||
     $a->{NAME_key}  cmp  $b->{NAME_key}
 } @recs;

（如果是我，我只会使用

“：utf8”

作为输出。）

---

标准排序，加上地区和裁剪 关键是，一旦将所有内容解码为内部Perl格式，就可以在其上使用

Unicode:：Collate

和

Unicode:：Collate:：Locale

。这些可能非常简单：

   use v5.14;
   use utf8;
   use Unicode::Collate;
   my @exes = qw( x⁷ x⁰ x⁸ x³ x⁶ x⁵ x⁴ x² x⁹ x¹ );
   @exes = Unicode::Collate->new->sort(@exes);
   say "@exes";

   # prints: x⁰ x¹ x² x³ x⁴ x⁵ x⁶ x⁷ x⁸ x⁹

或者它们可以是非常花哨的。这里有一个尝试处理书名的方法：它去掉了主要的文章和零填充数字

my $collator = Unicode::Collate->new(
    --upper_before_lower => 1,
    --preprocess => {
        local $_ = shift;
        s/^ (?: The | An? ) \h+ //x;  # strip articles
        s/ ( \d+ ) / sprintf "%020d", $1 /xeg;
        return $_;
    };
);

现在只需使用该对象的

sort

方法进行排序

有时你需要把这类东西翻过来。例如：

 use Encode;
 use Encode::Locale;

 # use "locale" as an arg to encode/decode
 @ARGV = map { decode(locale =>  $_) } @ARGV;

 # or as a stream for binmode or open
 binmode $some_fh, ":encoding(locale)";

 binmode STDIN,  ":encoding(console_in)"  if -t STDIN;
 binmode STDOUT, ":encoding(console_out)"  if -t STDOUT;
 binmode STDERR, ":encoding(console_out)"  if -t STDERR;

 my $collator = Unicode::Collate->new();
 for my $rec (@recs) {
     $rec->{NAME_key} = 
        $collator->getSortKey( $rec->{NAME} );
 }
 @srecs = sort {
     $b->{AGE}       <=>  $a->{AGE}
                     ||
     $a->{NAME_key}  cmp  $b->{NAME_key}
 } @recs;

但你通常不必担心这些问题。事实上，如果您希望使用CLDR数据对特定于国家/地区的区域设置进行裁剪，您应该只使用

Unicode:：Collate:：locale

，这正好为构造函数添加了另外一个参数：

locale=>$country\u code

 use Unicode::Collate::Locale;
 $coll = Unicode::Collate::Locale->
           new(locale => "fr");
 @french_text = $coll->sort(@french_text);

看看这有多容易

但你也可以做其他很酷的事情

 use Unicode::Collate::Locale;
 my $Collator = new Unicode::Collate::Locale::
                 locale => "de__phonebook",
                 level  => 1,
                 normalization => undef,
                ;

 my $full = "Ich müß Perl studieren.";
 my $sub = "MUESS";
 if (my ($pos,$len) = $Collator->index($full, $sub)) {
     my $match = substr($full, $pos, $len);
     say "Found match of literal ‹$sub› in ‹$full› as ‹$match›";

 }

运行时，表示：

在èIch mü223;Perl studieren.›asèmü223;›中找到了文字èMUESS›的匹配项

以下是

Unicode:：Collate:：Locale

模块自v0.96起的可用区域设置，取自其手册页：

locale名称描述
--------------------------------------------------------------
南非荷兰语
阿拉伯语
阿萨姆人
阿塞拜疆（阿塞拜疆）
白俄罗斯人
保加利亚语
孟加拉语
波斯尼亚语
西里尔语波斯尼亚语（定制为塞尔维亚语）
加泰罗尼亚
捷克语
西威尔士
丹麦语
德乌乌电话簿德语（umlaut为“ae”、“oe”、“ue”）
母羊
世界语
西班牙语
es___传统西班牙语（“ch”和“ll”作为一个字位）
爱沙尼亚语
波斯语
芬兰语（v和w基本相等）
芬兰语电话簿（v和w为独立字符）
菲律宾人
法罗群岛
法语
古吉拉特邦
哈豪萨酒店
夏威夷山楂
嗨，印地语
克罗地亚人
匈牙利语
亚美尼亚语
伊博
是冰岛语吗
日语[1]
哈萨克语
吉隆坡卡拉利苏特酒店
卡纳达
高朝文[2]
康卡尼角
林加拉
立陶宛中尉
拉脱维亚人
马其顿语
马来亚拉姆酒店
马拉蒂先生
马耳他山
nb挪威博克马尔酒店
挪威尼诺尔斯克
北索托
奥姆奥罗莫
还是奥利亚
旁遮普省
光抛光
罗马尼亚人
俄罗斯
梵语
萨米北部东南部
僧伽罗语
僧伽罗语词典（U+0DA5=U+0DA2,0DCA，0DA4）
斯洛伐克语
斯洛文尼亚语
阿尔巴尼亚语
高级塞尔维亚人
拉丁语塞尔维亚语（定制为克罗地亚语）
sv瑞典语（v和w基本相等）
sv__改革瑞典语（v和w作为独立字符）
塔米尔
特鲁古
泰语
茨瓦纳
汤加
土耳其
英国乌克兰人
乌尔都语
六越南语
韦瓦尔泽
沃洛夫
约鲁巴
中弘中文
zh__big5汉语（表意文字：big5顺序）
中国汉字GB2312（表意文字：GB-2312顺序）
汉语拼音（表意文字：拼音顺序）[3]
笔画汉语（表意文字：笔画顺序）[3]
朱音（表意文字：朱音序）[3]
根据默认UCA规则，地区包括chr（切诺基）、de（德语）、en（英语）、ga（爱尔兰）、id（印度尼西亚），
它（意大利语）、ka（格鲁吉亚语）、ms（马来语）、nl（荷兰语）、pt（葡萄牙语）、st（南索托语）、sw（斯瓦希里语）、xh（科萨语）、zu
（祖鲁）。
注
[1] ja：表意文字按JIS X 0208顺序排序。全宽和半宽形状与常规形状相同。这个
平假名和凯特的区别