文字・テキスト

「ア」と「あ」はどちらが先? 辞書順ソートの正体: Unicode 照合順序 (UCA) を読む

テキストを並び替えるとき、プログラムの既定の並び順と人が思う「辞書順」はしばしば一致しません。Unicode Collation Algorithm (UTS #10) を軸に、文字コード順と辞書順の違いを具体例で読み解きます。

「文字コード順に並べる」だけでは、人が思う順序にならない

プログラムで文字列を並び替えるとき、もっとも単純な方法は「文字コードの数値が小さい順に並べる」ことです。JavaScript の Array.prototype.sort() に比較関数を渡さずに文字列配列を渡すと、既定ではこの方式 (より正確には UTF-16 コード単位の順序) で並び替わります。

ところが、この並び順は人が「辞書順」や「あいうえお順」として思い浮かべる順序とは、しばしば一致しません。例えば次の4つの文字列を文字コード順に並べると、次のようになります。

文字列 Unicode コードポイント (先頭1文字)
ア (全角カタカナ) U+30A2
ア (半角カタカナ) U+FF71
あ (ひらがな) U+3042
阿 (漢字) U+963F

コードポイントの数値だけで比べると「あ (U+3042) → ア (U+30A2) → 阿 (U+963F) → ア (U+FF71)」の順になり、半角カタカナの「ア」が一番最後、かつ漢字の後ろに来ます。これは Unicode が歴史的経緯で各文字種にブロックを割り当てた結果であり、日本語の「読み」とは無関係な並びです。

Unicode Collation Algorithm (UCA) が定める「言語ごとの並び順」

この問題に対して、Unicode コンソーシアムは UTS #10: Unicode Collation Algorithm という技術標準を公開しています。UCA は、単純な文字コード順ではなく、言語や地域ごとの慣習に沿った「照合順序 (collation)」を定義するための汎用的なアルゴリズムです。各文字に「基本の文字としての重み」「アクセントや濁点などの重み」「大文字・小文字の重み」を段階的に割り当て、まず基本の文字で比較し、同じ場合に次の段階の重みで比較するという多段階比較を行うのが特徴です。この仕組みにより、例えば「あ」と「ア」のような、読みが同じで文字種だけが違う文字を近い位置に並べることができます。

ブラウザや Node.js では、この UCA を実装した Intl.Collator が標準で使えます。仕様は ECMAScript の国際化 API 仕様である ECMA-402 が定めており、ロケール (言語・地域) を指定するだけで、そのロケールに適した照合順序で2つの文字列を比較できます。本サイトの「テキスト行の重複削除・並び替え」の「辞書順」オプションは、この Intl.Collator をロケール ja (日本語) で使って実装しています。

数値を含む文字列の並び替えでも同じ問題が起きる

もう一つよくあるのが、ファイル名や項目名に含まれる数字の並び方です。“item2”・“item10”・“item1” を単純な文字コード順で並べると、1文字目が同じ “item” の後、2文字目の数字だけを先頭から1文字ずつ文字として比較するため、次のようになります。

並び方 結果
文字コード順 (文字列として比較) item1, item10, item2
数値として比較 (Intl.Collator の numeric: true) item1, item2, item10

“item10” の先頭文字 “1” が “item2” の “2” より小さいため、文字列として比較すると “item10” が “item2” より先に来てしまいます。これを避けるには、Intl.Collator に numeric: true を指定して、数字の並びを1桁ずつの文字ではなく数値の大きさとして比較させる必要があります。本サイトのツールの「数値として比較」オプションもこの指定を使っています。

まとめ: 目的に応じて並び順を選ぶ

文字コード順での並び替えは処理が単純で高速であり、プログラム内部でのキーの一意な順序付けなど「見た目の自然さ」を必要としない場面では今でも広く使われています。一方で、人が読むための一覧表示や、ファイル名・項目名のソートでは、UCA に基づく辞書順や数値順を使わないと、直感に反する並びになりやすい点を覚えておくと、ソート処理で「想定と違う順番になった」という不具合の原因を調べやすくなります。

関連ツール

公開: 2026-11-15