Ταξινόμηση γραμμών

Ο απλούστερος τρόπος για να ταξινομήσει ένας υπολογιστής κείμενο είναι με βάση τον κωδικό χαρακτήρα, και αυτό δίνει περίεργα αποτελέσματα: κάθε κεφαλαίο γράμμα (κωδικοί 65 έως 90 στο ASCII) προηγείται κάθε μικρού (97 έως 122), οπότε το «Zebra» μπαίνει πριν από το «apple» και τα γράμματα με τόνο καταλήγουν μετά το z. Οι άνθρωποι περιμένουν λεξικογραφική σειρά, αυτό που οι γλωσσολόγοι ονομάζουν collation. Το εργαλείο χρησιμοποιεί το Intl.Collator, την υλοποίηση του Unicode Collation Algorithm από το πρόγραμμα περιήγησης, ώστε τα «apple», «Banana» και «éclair» να ταξινομούνται όπως θα περίμενε ένας αναγνώστης.

Η σειρά ταξινόμησης εξαρτάται και από τη γλώσσα. Τα γερμανικά λεξικά κατατάσσουν το ä μαζί με το a, ενώ τα σουηδικά τοποθετούν τα å, ä και ö μετά το z, στο τέλος του αλφαβήτου. Το εργαλείο χρησιμοποιεί την προεπιλεγμένη γλώσσα του προγράμματος περιήγησής σας, επομένως μια λίστα που ταξινομείται σε σουηδικό σύστημα ακολουθεί τους σουηδικούς κανόνες. Με ενεργή την αγνόηση πεζών-κεφαλαίων, τα γράμματα που διαφέρουν μόνο σε πεζό/κεφαλαίο ή τόνο θεωρούνται ίσα και διατάσσονται με βάση την επόμενη διαφορά.

Η αλφαβητική σειρά συγκρίνει τα ψηφία ένα προς ένα, οπότε το «file10» μπαίνει πριν από το «file2», επειδή το 1 είναι μικρότερο από το 2. Η φυσική σειρά διαβάζει τις ακολουθίες ψηφίων ως ολόκληρους αριθμούς και δίνει file1, file2, file10, όπως εμφανίζουν τα ονόματα οι διαχειριστές αρχείων, π.χ. ο Windows Explorer και το Finder του macOS. Χρησιμοποιήστε την για τίτλους κεφαλαίων, λίστες εκδόσεων, αριθμούς τιμολογίων και ονόματα φωτογραφιών όπως IMG_9 και IMG_10.

Η αριθμητική σειρά βρίσκει τον πρώτο αριθμό σε κάθε γραμμή, μαζί με το πρόσημο μείον και τα δεκαδικά, και ταξινομεί με βάση την τιμή του, κάτι που ταιριάζει σε τιμοκαταλόγους, βαθμολογίες και γραμμές όπως «12 apples». Οι γραμμές χωρίς αριθμό πηγαίνουν στο τέλος. Η σειρά Διάρκεια ταξινομεί με βάση τον αριθμό των ορατών χαρακτήρων, από το συντομότερο, με αλφαβητική επίλυση ισοπαλιών· είναι χρήσιμη για να βρείτε τα συντομότερα ονόματα τομέων ή να εντοπίσετε κομμένες εγγραφές.

Η ανάμειξη χρησιμοποιεί τον αλγόριθμο Fisher–Yates (δημοσιεύτηκε από τους Ronald Fisher και Frank Yates το 1938 και προσαρμόστηκε για υπολογιστές από τον Richard Durstenfeld το 1964), ο οποίος διατρέχει τη λίστα από το τέλος και ανταλλάσσει κάθε γραμμή με μια τυχαία επιλεγμένη γραμμή που βρίσκεται στην ίδια θέση ή πριν από αυτήν. Με καλή πηγή τυχαιότητας, κάθε διάταξη είναι εξίσου πιθανή. Οι τυχαίοι αριθμοί προέρχονται από το mulberry32, μια μικρή γεννήτρια ψευδοτυχαίων αριθμών με seed, οπότε η ανάμειξη μένει ίδια μέχρι να ζητήσετε νέα. Επειδή η κατάστασή της είναι 32 bit, μπορεί να παράγει το πολύ περίπου 4,3 δισεκατομμύρια διαφορετικές αναμείξεις, λιγότερες από τις 6,2 δισεκατομμύρια διατάξεις μόλις 13 γραμμών. Αυτό αρκεί για ερωτήσεις κουίζ, playlists και επιλογή σειράς παρουσίασης, όχι όμως για κληρώσεις ή οτιδήποτε αφορά χρήματα ή ασφάλεια.

Για να καθαρίσετε μια λίστα πριν την ταξινόμηση, περάστε την πρώτα από το εργαλείο Αφαίρεση διπλών γραμμών.