sort_by_alpha Regelsortering & Duplicaten Verwijderen star

Waarom "item10" vóór "item2" wordt gesorteerd bij een gewone alfabetische sortering

Een standaardsortering — het soort achter de methode Array.sort() in JavaScript of de knop A→Z in een spreadsheet — vergelijkt twee regels teken voor teken, van links naar rechts, met het Unicode-codepunt van elk teken. Er wordt niet gekeken naar een reeks cijfers als geheel getal; er wordt alleen gevraagd of het ene teken kleiner of groter is dan het andere, één positie tegelijk. Dat is waarom een lijst met item1, item2, item9, item10 en item20 teken voor teken wordt gesorteerd als item1, item10, item2, item20, item9: bij het vergelijken van "item10" en "item2" letter voor letter zijn de tekenreeksen identiek tot en met "item", en het allereerstvolgende teken beslist alles — "1" versus "2". Omdat het teken "1" kleiner is dan het teken "2", komt item10 vóór item2, ook al is tien numeriek groter dan twee. Elke lijst waarin getallen binnen tekst voorkomen, lijdt hieronder: versienummers, bestandsnamen zoals afbeelding2.jpg en afbeelding10.jpg, factuurnummers en stapsgewijze instructies.

Natuurlijke sortering — ook wel numerieke sortering genoemd — lost dit op door een reeks opeenvolgende cijfers te herkennen als één getal en de waarde ervan te vergelijken in plaats van cijfers één teken tegelijk te vergelijken. De optie voor natuurlijke sortering in deze tool delegeert die logica aan de in de browser ingebouwde Intl-API en voert a.localeCompare(b, undefined, {numeric: true, sensitivity: "base"}) uit op elk paar regels. De vlag numeric:true vertelt de vergelijking om cijferreeksen te detecteren en als getallen te behandelen, zodat item2 correct vóór item10 terechtkomt, en item9 vóór item20 — de volgorde die iemand die de lijst leest zou verwachten, niet de volgorde die een teken-voor-tekenvergelijking oplevert.

Taalbewuste vergelijking, niet alleen tekencodes

Alfabetische volgorde hangt ook af van de regels van welke taal worden toegepast, en dit is waar een gewone vergelijking faalt, zelfs zonder dat er getallen bij betrokken zijn. In het Nederlands en Engels zijn "a" en "A" dezelfde letter in twee vormen, en geaccentueerde letters zoals é worden meestal dicht bij e gesorteerd. Turks behandelt echter "ı" (i zonder punt) en "i" (i met punt) als twee afzonderlijke letters met hun eigen, aparte plaats in het alfabet — een onderscheid waar een rauwe codepuntvergelijking, die alleen numerieke Unicode-waarden controleert, geen weet van heeft. localeCompare, dezelfde Intl-methode achter de optie voor natuurlijke sortering, houdt rekening met taalregels: met sensitivity: "base" behandelt het hoofdletter- en accentverschillen als gelijkwaardig voor sorteerdoeleinden, terwijl het toch de werkelijke letterorde van elk alfabet respecteert, of dat alfabet nu Engels, Turks, Duits of een andere taal met Latijns schrift is.

Deze tool combineert beide aspecten in één stap: kies alfabetisch A→Z of Z→A als basisvolgorde, voeg optioneel natuurlijke numerieke sortering toe zodat ingebedde getallen op waarde in plaats van op cijfer worden vergeleken, en verwijder vervolgens optioneel dubbele regels, lege regels, en voorloop- of volgspaties. Omdat het detecteren van duplicaten regels als exacte tekenreeksen vergelijkt, is trimmen van belang: "appel" en "appel " (met een spatie erachter) zien er voor een duplicaatcontrole anders uit tenzij de spatie eerst wordt verwijderd, dus de trim- en duplicaatverwijderingsopties zijn ontworpen om samen te werken in plaats van als losse schakelaars.