R icuSetCollate 按 ICU 设置整理

说明

控制 ICU 完成整理的方式(ICU 的可选部分)R建造)。

用法

icuSetCollate(...)

icuGetCollate(type = c("actual", "valid"))

参数

...	命名参数，请参阅“详细信息”。
type	字符串：可以缩写。用于排序规则的实际区域设置或有效的最具体区域设置。

细节

可选地，R可以通过 ICU 构建来整理字符串(https://icu.unicode.org/)。对于这样的系统，icuSetCollate可用于调整整理的方式。在其他版本上，调用此函数不会执行任何操作，并会发出警告。

可能的参数是

locale：

字符串，例如 "da_DK"，给出要使用其排序规则的语言和国家/地区。如果存在，这应该是第一个参数。

case_first：

"upper" 、 "lower" 或 "default" ，要求首先对大写或小写字符进行排序。默认值通常是小写开头，但并非在所有语言中(例如，在丹麦语的默认设置下)。

alternate_handling：

控制‘variable’字符(主要是标点符号)的处理。可能的值为"non_ignorable"(初级强度)和"shifted"(四级强度)。

strength：

应该使用哪些组件？可能的值 "primary" 、 "secondary" 、 "tertiary" (默认)、 "quaternary" 和 "identical" 。

french_collation：

在法语语言环境中，重音影响排序规则的方式是从右到左，而在大多数其他语言环境中是从左到右。可能的值 "on" 、 "off" 和 "default" 。

normalization：

字符串应该标准化吗？可能的值为"on" 和"off"(默认值)。这会影响复合字符的排序规则。

case_level：

二级和三级之间的附加级别，用于区分大小日语假名字符。可能的值"on" 和"off"(默认)。

hiragana_quaternary：

可能的值 "on" (首先在四进制级别对平假名进行排序)和 "off" 。

除了那些对整理和专门要求有详细了解的人之外，只有前三个可能会感兴趣。

locale 接受一些特殊值：

"none"：

ICU 不用于排序：而是使用操作系统的排序服务。

"ASCII"：

ICU 不用于排序：而是使用 C 函数 strcmp，该函数应按(无符号)数字顺序逐字节排序。

"default"：

从操作系统获取区域设置，就像在会话开始时所做的那样(Windows 上除外)。如果环境变量R_ICU_LOCALE设置为非空值，则使用其值而不是咨询操作系统，除非环境变量LC_ALL设置为'C'(或未设置但LC_COLLATE设置为'C')。

""、"root"：

‘root’ 排序规则：参见https://www.unicode.org/reports/tr35/tr35-collation.html#Root_Collation.

有关 ‘real’ ICU 语言环境的规范，请参阅https://unicode-org.github.io/icu/userguide/locale/。请注意，ICU 不会报告不支持某个区域设置，而是退回到其“最适合”的想法(这可能相当不同，并且由icuGetCollate("actual")， 经常"root")。大多数英语语言环境都回落到"root"虽然例如"en_GB"是一个有效的区域设置(至少在某些平台上)，它不包含特殊的排序规则。注意"C"不是受支持的 ICU 区域设置，因此R_ICU_LOCALE永远不应该设置为"C".

一些示例是 case_level = "on", strength = "primary" 忽略重音差异，alternate_handling = "shifted" 忽略空格和标点字符。

如果操作系统设置为使用 ICU，则最初 ICU 将不会用于整理C用于排序的区域设置和R_ICU_LOCALE未设置。一旦这个函数被调用并带有一个值locale, ICU 将被使用，直到再次调用locale = "none"。 ICU一次不会使用Sys.setlocale被称为"C"值LC_ALL或者LC_COLLATE， 即使R_ICU_LOCALE已设置。 ICU将再次使用R_ICU_LOCALE一次Sys.setlocale被调用来设置不同的排序规则。环境变量LC_ALL(或者LC_COLLATE) 优先于R_ICU_LOCALE当且仅当它们设置为'C'。由于与其他设置整理顺序的方式相互作用，R_ICU_LOCALE应谨慎使用，并且仅在需要时使用。

如果指定了 locale，则所有自定义项都将重置为区域设置的默认值：如果 Sys.setlocale 更改了操作系统排序规则定位类别，则重置排序引擎。

值

对于 icuGetCollate ，说明正在使用的 ICU 区域设置的字符串(可能报告为 "ICU not in use" )。 ‘actual’ 语言环境可能比请求的语言环境更简单：例如 "da" 而不是 "da_DK" ：英语语言环境可能会报告 "root" 。

注意

除 Windows 外，只要可用，默认情况下都会使用 ICU。由于它在内部以 UTF-8 工作，因此在 UTF-8 语言环境中效率最高。

在 Windows 上，R通常构建包括 ICU，但只有在环境变量存在时才会使用R_ICU_LOCALE已设置，当R开始或之后icuSetCollate调用来选择区域设置(因为 ICU 和 Windows 对区域设置名称的理解不同)。注意icuSetCollate(locale = "default")应该工作得相当好，但发现系统默认忽略环境变量，例如LC_COLLATE.

例子

## These examples depend on having ICU available, and on the locale.
## As we don't know the current settings, we can only reset to the default.
if(capabilities("ICU")) withAutoprint({
    icuGetCollate()
    icuGetCollate("valid")
    x <- c("Aarhus", "aarhus", "safe", "test", "Zoo")
    sort(x)
    icuSetCollate(case_first = "upper"); sort(x)
    icuSetCollate(case_first = "lower"); sort(x)

    ## Danish collates upper-case-first and with 'aa' as a single letter
    icuSetCollate(locale = "da_DK", case_first = "default"); sort(x) 
    ## Estonian collates Z between S and T
    icuSetCollate(locale = "et_EE"); sort(x)
    icuSetCollate(locale = "default"); icuGetCollate("valid")
})

也可以看看

Comparison、sort。

capabilities 是否有ICU可用； extSoftVersion 其版本。

ICU 用户指南中有关整理的章节 (https://unicode-org.github.io/icu/userguide/collation/)。