sort_by_alpha Ordenador de Líneas y Eliminador de Duplicados star

Por Qué "item10" Se Ordena Antes que "item2" en un Orden Alfabético Simple

Un ordenamiento estándar — el tipo que hay detrás del método Array.sort() en JavaScript o del botón A→Z de una hoja de cálculo — compara dos líneas carácter por carácter, de izquierda a derecha, usando el punto de código Unicode de cada carácter. No interpreta una secuencia de dígitos como un número completo; solo pregunta si un carácter es menor o mayor que otro, una posición cada vez. Por eso una lista que contiene item1, item2, item9, item10 e item20 se ordena, carácter por carácter, como item1, item10, item2, item20, item9: al comparar "item10" e "item2" letra por letra, las cadenas son idénticas hasta "item", y el siguiente carácter lo decide todo — "1" frente a "2". Como el carácter "1" es menor que el carácter "2", item10 se ordena antes que item2, aunque diez sea numéricamente mayor que dos. Cualquier lista donde aparezcan números dentro de un texto sufre este problema: números de versión, nombres de archivo como image2.jpg e image10.jpg, números de factura e instrucciones paso a paso.

El orden natural — también llamado orden numérico — soluciona esto reconociendo una secuencia de dígitos consecutivos como un único número y comparando su valor en lugar de comparar los dígitos uno a uno. La opción de orden natural de esta herramienta delega esa lógica en la API Intl integrada en el navegador, ejecutando a.localeCompare(b, undefined, {numeric: true, sensitivity: "base"}) en cada par de líneas. El indicador numeric:true le dice a la comparación que detecte secuencias de dígitos y las trate como números, de modo que item2 quede correctamente antes que item10, e item9 antes que item20 — el orden que esperaría una persona que lee la lista, no el que produce una comparación carácter por carácter.

Comparación Sensible al Idioma, No Solo Códigos de Caracteres

El orden alfabético también depende de las reglas de qué idioma se apliquen, y aquí es donde una comparación simple falla incluso sin ningún número de por medio. En inglés, "a" y "A" son la misma letra en dos formas distintas, y las letras acentuadas como é normalmente se ordenan cerca de la e. El turco, sin embargo, trata "ı" (i sin punto) e "i" (i con punto) como dos letras distintas con posiciones propias en el alfabeto — una distinción que una comparación de puntos de código en bruto, que solo revisa valores numéricos Unicode, no tiene forma de conocer. localeCompare, el mismo método de Intl que hay detrás de la opción de orden natural, tiene en cuenta las reglas del idioma: con sensitivity: "base" trata las diferencias de mayúsculas/minúsculas y acentos como equivalentes a efectos de orden, respetando al mismo tiempo el orden real de las letras de cada alfabeto, ya sea inglés, turco, alemán u otro idioma de escritura latina.

Esta herramienta combina ambos aspectos en un solo paso: elija el orden alfabético A→Z o Z→A como base, añada opcionalmente el orden numérico natural por encima para que los números incrustados se comparen por valor y no por dígito, y luego elimine opcionalmente las líneas duplicadas, las líneas en blanco y los espacios al principio o al final. Como la detección de duplicados compara las líneas como cadenas exactas, recortar los espacios importa: "apple" y "apple " (con un espacio al final) parecen distintas para una comprobación de duplicados a menos que ese espacio se elimine antes, así que las opciones de recorte y de eliminación de duplicados están diseñadas para funcionar juntas y no como controles independientes.