漢数字が数字順にソートされない理由を調べてみた - give IT a try

はじめに：「なぜ漢数字は数字順に並ばない！？」 先日、こんなツイートをしたところ、結構たくさんの人にリツイートされました。（執筆時点で50件以上） 「漢数字はソートしても数字順に並ばない」という事実を生まれて初めて知った。まさかのサプライズ。 pic.twitter.com/Eqx3ltIfHs— Junichi Ito (伊藤淳一) (@jnchito) 2014年11月27日 「なぜ漢数字は数字順に並ばないのか」という問いに対して、表面的な回答をするなら「数字順に並ばないのは、数字の大きさではなく文字コード順でソートされているから」ということになります。 いや、もちろんそれはわかってるんです。 問題は「そもそもなんで数字順に文字コードを振らなかったの！？」ということです。 感覚的には「一郎、二郎、三郎」って並んでほしいじゃないですか。でも、プログラム上でソートすると「一郎、三郎、二郎」

[cider_kondo]

こんな疑問持てるとか若いなあ。昔はパソコンやワープロソフトのマニュアルには必ず文字コード表が載ってて一水(JIS第一水準漢字)と二水で並び方のルールが違うとか一目瞭然で（以下老害の繰り言2965字略

[mohno]

まあ、そこは "one", "two", "three", "four", ... を「値」順にソートするみたいなものだと思えば。

[dominion525]

むしろ、漢数字が数字順に並ぶと思ったほうが不思議に感じるくらいではある。あれ漢字なんだし。

[sgo2]

例えば「一億/百二万十/三百」を数値順にソートする際、文字コードが数値順になってたところでメリットは少ない。文字のままソートするなら普通は読み順でしょうし。

[koinobori]

なんで意外に思うかなと思ったが、自分がどうして知ってたか思い出すと、X1だかの説明書巻末に漢字コード表があって、そこか漢字を拾ってコードを打ち込んで使っていたので、自然とそのことに気付いてたのだった。

[Cujo]

にほんごもじれつらべるつかってそーとしたいときはあたまに00.れい/01.いち/02.に、とふることにしてる。たとえばでぃれくとりとか。

[sisya]

数字でソートできたとしたら、他の漢字はどういう順に並べればいいのかという辺りにくると、調べなくてもその辺りは察しがつく。とはいえ、疑問に思ったらきちんと理解するの大事。

[airos]

これに対応するためだけに毎回ソートキー列を内部で持たせてる

[tsekine]

紙の漢和辞典を手に取ってみましょう。

[mandel59]

第一水準だけな

[kappa_live]

“英語の「one」「two」「three」･･･を並べても，数字意味によってソードしないことと同じ仕組み”

[quick_past]

なので漢数字でソートしようとすると死ぬほどめんどくさい。。。数字用途じゃなくて名詞の一部に混じってたりすると更に鬱陶しい。

[barringtonia]

“UTF-8の場合、漢数字は部首画数順に並ぶ シフトJISとEUCの場合、漢数字は音読みの順に並ぶ いずれも数字順には並ばない”

[arisane]

有名な問題だったのか（今ぶち当たった）

[kent-where-the-light-is]

“おお、なるほど、「部首画数順」なのか！！ というわけで、文字コードは部首画数順で割り振られているという仮説を元に、各漢字の部首と画数を調べてみました。”

[takaesu]

ソート順

[bleu-bleut]

UTF-8は部首画数順で並んでいるから。

[ardarim]

まあ当たり前っちゃ当たり前の話だな…。文字コード扱う人はコレーションには気を配らんとあかん

[arixatos]

これ 並びよりも部首に驚くな

[tarchan]

＞部首画数順だった！／シフトJISやEUCは音読みの順番で並んでいる

[strawberryhunter]

確かに日本語のファイルとかフォルダがたくさんあるとどこにあるか予測できないし、上中下とか前編・後編も並んでほしい順には並んでくれない。／拡張中のUnicodeの順序とか知ってどうするという気もする。

[veleno]

漢数字の部首とか初めて知りました

[kanu-orz]

深く考えたことなかったけど、なるほどー。勉強になりました。

[k-holy]

面白かった。表意文字の並び順にそういう期待をするお客さんもいるのね。相手するのつらそうですが…

[blueribbon]

・UTF-8の場合、漢数字は部首画数順に並ぶ ・シフトJISとEUCの場合、漢数字は音読みの順に並ぶ ・いずれも数字順には並ばない

[guldeen]

そりゃ、漢字の場合は部首とかの分類が優先されるんだから当然でしょ？(←実際に、UTF-8ではそうらしい)、と即座に思った俺。

[hisasann]

「数字順に並ばないのは、数字の大きさではなく文字コード順でソートされているから」

[mumincacao]

漢数字だけならゆーざそーとでなんとかなるかな？とちょっと考えてみたら単位の有り無しとかただの羅列とかいろいろ考慮しないといけない項目が出てきてちょーめんどそうなのです・・・ （´ロ`；【みかん

[KariumNitrate]

『UTF-8の場合、漢数字は部首画数順に並ぶ』 そうなんだ。Windowsのファイル名でソートすると漢字の音読み順になるのはSJISの名残なのかな。今後も変わって欲しくない仕様。

[iouri]

ここに絵文字とか丸数字とかUnicodeとか混じってくるときっとうあぁぁぁぁってなること受け合い。がんばれ超がんばれ！

[kougasha]

どんなふうに文字コードが漢字に割り当てられてるかは考えたことなかった

[swampert260]

そらそうよとしか

[reitanigawa]

部首順なんだ。漢字で、ソートしたいってのがハードル高いね。ソートキーを持つこととなり、仕様、仕組み、運用とも複雑に。

[timetrain]

シフトJISは前から知っていたけどUTFだと部首画数順というのは知らなかった。これ、なんとか解決する方法はなかったんかなあ

[demandosigno]

ちゃんと「なぜだろう」の先に行けるのがすごい。俺だったら「なぜだろう」「文字コード順なんじゃね？」「いや文字コードなんて一二三の順で付けるだろう」となっちゃって考えるのやめてるな。

[usami-k]

わりと知らないものらしい。

[suien42]

記事内ですら文字コードによって結果が違うと書いているのに、漢和辞典を引き合いに出すのはなんか違うと思う。

[efcl]

一二三とソートされない理由。 Unicode、部首画数順でソートされる

[haruka_nyaa]

最近だと文字コード意識することってほとんどないしね。//CJKV統合漢字を読みで並べようなんてしたら、収拾つかないもの。

[lyiase]

Unicodeは読みなど無関係なCJKV統合漢字がベースで、それが部首順に並んでいるからな。それに対してSJISとEUC-JPはJIS X 208ベースになってるから読み順で並んでいるから違いが出る。