大小写与变音符号影响排序结果
别名: 排序强度 · 大小写排序 · 变音符号排序 · accent-sensitive collation
概念解释
排序强度（collation strength）决定字符串比较要看到多细的差异。Unicode Collation Algorithm 通常先比较 primary weight，再比较 secondary、tertiary，以及必要时更高层级；在许多拉丁文字 tailoring 中，基本字母差异位于主要层，重音等变音符号位于次要层，大小写位于第三层。但层级含义会被语言 tailoring 和参数改变，不能把“一级永远忽略变音、三级永远比较大小写”写成跨语言定律。排序强度是比较策略，不是把原文转成小写或永久删除附加符号。
机制
分层权重让系统先形成读者感知上的大组，再用较细差异稳定组内次序。例如在适用的配置中，基础字母先决定位置，accent 再拆分同一基础字母的变体，case 最后拆分大小写；某些语言却把带变音字母视为独立主要字母，法语等 tailoring 还可能采用反向比较次要权重。CLDR 允许设置 strength，也提供 case level、case first、alternate handling 等参数，因此同一强度在不同配置下未必产生相同结果。显示排序可以保留细差异形成确定顺序；宽松搜索可能在较低强度匹配；账号名唯一性、数据库键和安全敏感比较则需要另行定义的规范化与精确比较，不能靠“忽略大小写/重音”的 collator 决定身份。
怎么研究
先构造最小成对样本，分别只改变基础字母、变音、大小写、标点和规范等价编码，再观察各 strength 与 locale 下的等价类和顺序；这比只检查一张最终列表更容易定位错误层级。对搜索任务，分别测精确输入、缺少变音符号的输入和错误大小写，记录召回、误命中、歧义候选及用户修正成本。对显示列表，测试强度变化是否使大量名称比较相等，并检查所用稳定 tie-breaker。方法报告必须给出 locale、collation type、strength、case/alternate 选项、规范化策略和库版本，否则“大小写不敏感”无法复现。
边界
weight 层级是特定 collation 的语义，不是 Unicode 字符类别的直接镜像。变音符号在一种语言中可能只是次要差异，在另一种语言中却形成独立字母；大小写规则还可能受脚本、位置和 locale 影响。UCA 要求规范等价序列比较相等，实现可通过 canonical normalization 或等效机制保证这一点；compatibility characters、标点、数字和 emoji 则需要其他选项。低强度比较会扩大等价类，适合某些发现任务，却可能把用户认为不同的词混在一起；高强度也不自动满足登录标识、域名、文件路径或密码的安全语义。
怎么落地
- 先按任务分开配置：显示排序选择符合语言习惯且能稳定排列的 collator，搜索匹配选择可解释的宽松程度，唯一性与身份比较使用业务定义的精确规范化和稳定 ID。
- 显式设置 locale、collation type、strength、case level、case first 与标点处理；不要通过统一
lowercase或去除所有 combining marks 模拟语言敏感比较，因为这会改写数据并产生错误等价。 - 当所选强度把多个字符串判为相等时，用更高强度或稳定记录 ID 完成显示排序；分页和缓存必须复用同一比较链，避免同组记录跨页漂移。
- 用当地语言审阅大小写与变音最小对、规范等价编码和真实专名。分别验证显示次序、搜索召回与唯一性冲突，不用一个“排序测试通过”替代三种验证。