Сборка от 17 марта 2017 г

Кодировка Юникод

Как мы знаем, символы сравниваются в алфавитном порядке 'А' < 'Б' < 'В' < ... < 'Я' . Но есть несколько странностей…

1. 
   Почему буква 'а' маленькая больше буквы 'Я' большой?
   

alert( 'а' > 'Я' ); // true

2. 
   Буква 'ё' находится в алфавите между е и ж : абвгдеёжз… . Но почему тогда 'ё' больше 'я' ?
   

alert( 'ё' > 'я' ); // true

Чтобы разобраться с этим, обратимся к внутреннему представлению строк в JavaScript.

Все строки имеют внутреннюю кодировку Юникод ^ .

Неважно, на каком языке написана страница, находится ли она в windows‑1251 или utf‑8. Внутри JavaScript‑интерпретатора все строки приводятся к единому «юникодному» виду. Каждому символу соответствует свой код.

Есть метод для получения символа по его коду:

String.fromCharCode(code)

Возвращает символ по коду code :

alert( String.fromCharCode(1072) ); // 'а'

…И метод для получения цифрового кода из символа:

str.charCodeAt(pos)

Возвращает код символа на позиции pos . Отсчет позиции начинается с нуля.

alert( "абрикос".charCodeAt(0) ); // 1072, код 'а'

Теперь вернемся к примерам выше. Почему сравнения 'ё' > 'я' и 'а' > 'Я' дают такой странный результат?

Дело в том, что символы сравниваются не по алфавиту, а по коду. У кого код больше – тот и больше. В юникоде есть много разных символов. Кириллическим буквам соответствует только небольшая часть из них, подробнее – Кириллица в Юникоде ^.

Выведем отрезок символов юникода с кодами от 1034 до 1113 :

var str = '';

for (var i = 1034; i <= 1113; i++) { str += String.fromCharCode(i);
}
alert( str );

Результат:

ЊЋЌЍЎЏАБВГДЕЖЗИЙКЛМНОПРСТУФХЦЧШЩЪЫЬЭЮЯабвгдежзийклмнопрстуфхцчшщъыьэюяѐёђѓєѕіїјљ

Мы можем увидеть из этого отрезка две важных вещи:

1. Строчные буквы идут после заглавных, поэтому они всегда больше.

В частности, 'а'(код 1072) > 'Я'(код 1071) .

То же самое происходит и в английском алфавите, там 'a' > 'Z' .

2. Ряд букв, например ё , находятся вне основного алфавита.

В частности, маленькая буква ё имеет код, больший чем я , поэтому 'ё'(код 1105) > 'я'(код 1103) .

Кстати, большая буква Ё располагается в Unicode до А , поэтому 'Ё' (код 1025) < 'А' (код 1040). Удивительно: есть буква меньше чем А :)

Буква ё не уникальна, точки над буквой используются и в других языках, приводя к тому же результату.

Например, при работе с немецкими названиями:

alert( "ö" > "z" ); // true