受け取った言葉を並べ替えて、1行に1つずつ出すだけのプログラムです。「アイス」「𠮷野家」「吉野家」を渡すと、10言語中4言語が、ほかの6言語と違う順番に並べました。
何をしたか
CODE Polyglot の入門 第5回 は、受け取った言葉を並べ替えるプログラムです。文字を表す番号(Unicode のコードポイント)の小さい順を正解にしています。
JavaScript ならこう書きます。
const words = process.argv.slice(2);
words.sort();
for (const w of words) {
console.log(w);
}
毎朝の検証と同じ Linux の環境で、各言語のいちばん普通の書き方(sort()・Arrays.sort・sorted など、比べ方を指定しない並べ替え)を動かした結果です。
| 入力 | 正解 | JavaScript・Java・Kotlin・C# | Python・Go・Rust・Ruby・Swift・PHP |
|---|---|---|---|
アイス 𠮷野家 吉野家 | 吉野家 / アイス / 𠮷野家 | 吉野家 / 𠮷野家 / アイス | 吉野家 / アイス / 𠮷野家 |
「𠮷」(つちよし)は、ふだん使う「吉」とは別の文字です。
原因は、UTF-16 の単位で比べていること
3つの文字の番号は次のとおりです。
| 文字 | 番号 | UTF-16 での中身 |
|---|---|---|
| 吉 | U+5409 | 5409 |
| ア | U+FF71 | FF71 |
| 𠮷 | U+20BB7 | D842 DFB7(2つの単位) |
番号の順なら 吉 → ア → 𠮷 です。ところが「𠮷」は番号が大きいので、UTF-16 では2つの単位に分けて持ちます(サロゲートペア)。JavaScript・Java・Kotlin の既定の並べ替えは、この単位を前から比べます。C# の既定は、動かすパソコンの言語の設定に沿った比べ方で、この Linux の環境(その情報を持たない設定)では同じく UTF-16 の単位で比べました。D842 は FF71 より小さいので、「𠮷」が「ア」より前に来ました。
Python・Go・Rust・Ruby・Swift・PHP は、番号の順か UTF-8 のバイトの順で比べます。この2つは同じ順になるので、正解と同じ並びになりました。
PHP は「数字だけの言葉」を数として並べた
もう1件、PHP だけが違う答えを出したケースがあります。
| 入力 | 正解 | PHP | ほかの9言語 |
|---|---|---|---|
10 9 100 | 10 / 100 / 9 | 9 / 10 / 100 | 10 / 100 / 9 |
PHP の sort() は、数字だけの文字列を数として比べます。文字として比べるには sort($a, SORT_STRING) と指定します。数の順に並べたいなら、ほかの言語でも先に数に直してから並べ替えます。
どう直したか
比べ方を自分で指定します。JavaScript は UTF-8 のバイト列にして比べます。
// 何も指定しない sort は UTF-16 の単位で比べるので、「𠮷」が「ア」より前に来てしまう。
// UTF-8 のバイト列にして比べると、文字コードの順になる
words.sort((a, b) => Buffer.compare(Buffer.from(a), Buffer.from(b)));
Java は番号(コードポイント)の並びどうしで比べます。
// Arrays.sort の既定は UTF-16 の単位で比べるので「𠮷」が「ア」より前に来る。コードポイントの並びどうしで比べる
Arrays.sort(args, (a, b) -> Arrays.compare(a.codePoints().toArray(), b.codePoints().toArray()));
直した版は、10言語とも5件中5件が正解になりました。
まとめ
- 「アイス」「𠮷野家」「吉野家」の並べ替えで、10言語中4言語(JavaScript・Java・Kotlin・C#)が「𠮷野家」を「アイス」より前に置いた
- 原因は、文字列を UTF-16 の単位で比べていること。「𠮷」や絵文字のような番号の大きい文字で順番が崩れる
- PHP の
sort()は、数字だけの言葉を数として並べる - 順番に意味があるときは、比べ方を言語の既定に任せず、自分で指定する
- 10言語の全プログラムは 入門 第5回 にあります
- 第1回:「2026-02-30」を渡したら、PHP と JavaScript だけが黙って3月2日にした
- 第2回:JavaScript で「月の最終日」を出したら、日本では毎回1日前になった
- 第3回:C# の Normalize(FormKC) が、Docker の中では何もしなかった
- 第4回:辞書の「取り出す順番」を10言語で20回ずつ試したら、5通りの性格に分かれた
- 第5回:「+5」を整数に直したら、10言語すべてが黙って 5 にした
- 第6回:メールアドレスの正規表現の「$」が、最後の改行を通した
- 第7回:「東京,大阪,」を split したら、Java・Ruby・Swift は最後の空の項目を捨てた
- 第8回:Excel の「CSV UTF-8」を読ませたら、10言語すべてが見出しの行を見失った
- 第9回:2.675 を小数第2位までにしたら、10言語中4言語が 2.67、Swift はそのまま 2.675 と答えた
- 第10回:「👍」の文字数を数えたら、10言語で 1・2・4 の3通りに割れた
- 第11回:「こんにちは世界」を5文字で切ったら、Go と PHP は文字化けし、Rust は止まった
- 第12回:「1234567」が郵便番号の確認を通った。\d は Python・C#・Swift で全角の数字に合う
- 第13回:-7 ÷ 2 の商と余りが言語で3通りに割れ、JavaScript は「商 -4、余り -1」と答えた
- 第14回:「𠮷野家」を並べ替えたら、JavaScript・Java・Kotlin・C# は半角カナの「アイス」より前に置いた(この記事)
- 第15回:全角を半角にそろえたら、6言語は「カナ」を「カナ」に、「①」を「1」に変えた。Go と PHP は「ABC」を残した
- 第16回:20桁の数を渡したら、6言語が「整数ではありません」と答え、JavaScript は16桁で1の位を変えた
Analyzegear


