
去年有个朋友跟我吐槽,说他负责的某款办公软件出海到日本市场,用户反馈里面有一条让他百思不得其解:日文版里联系人列表的排序完全乱了套。明明按理说都是五十音顺序,结果"A"开头的内容愣是跑到了"あ"前面,更离谱的是某些外来词干脆消失不见了。他来找我的时候挺崩溃,说翻译都做完了,怎么还有这种幺蛾子?
这就是排序规则差异在本地化翻译里搞出的典型麻烦。很多人以为本地化就是把界面文字翻译成目标语言,顶多注意下字体和日期格式。但实际上,排序规则这个问题相当隐蔽,它不像翻译错误那样一眼就能看出来,却能让用户觉得产品用起来特别别扭。今天就想聊聊这个话题,说清楚排序规则到底是怎么回事,以及专业团队是怎么处理这个问题的。
说白了,排序规则就是计算机决定"谁排在前面"的逻辑。我们从小习惯了字典里的排序方式——按拼音、按笔画、按字母表——但仔细想想,这些排序方式其实都没有那么"自然"。中文按拼音排序,"王"排在"张"前面,因为"wáng"的声母是w,"zhāng"的声母是zh,按字母顺序w在z后面。可如果按笔画排序,"王"是四画,"张"也是七画,那就完全是另一个故事了。
软件界面里的列表、目录、搜索结果,无一不依赖某种排序规则运行。用户已经形成了固定的思维惯性,觉得"联系人就应该按名字首字母排"、"文档列表就该按修改时间倒序"。一旦这种预期被打破,哪怕只是几个条目排得不对劲,用户也会隐约觉得"这个软件不对劲",进而对产品整体产生不信任感。
康茂峰这类专业本地化服务商在处理项目时,往往会在翻译工作之外额外关注排序规则的适配问题。这不是因为他们无聊,而是因为吃过太多亏——曾经有个电商平台把中文商品列表的"按销量排序"功能直接搬到阿拉伯语市场,结果因为阿语从右往左的书写习惯,排序按钮的视觉效果完全反过来了,用户点了"从高到低"反而看到销量最低的商品排在最右边,转化率直接跌了三成。
这个问题展开来说相当复杂,因为每种语言都有自己的一套逻辑,有时候同一种语言在不同地区还有差异。我尽量挑几个典型情况讲清楚。

中文的排序规则可能是全世界语言里最让人头大的之一。粗略来分,至少有三种完全不同的排序逻辑在并行使用。
第一种是拼音排序,也就是按汉字的拉丁化发音来排。这是最常见的做法,字典、通讯录、大部分软件默认都是这个逻辑。但问题在于,多音字怎么办?"行长"这个词,"行"可以读xíng也可以读háng,如果按拼音排序,它应该跟xíng排在一起还是跟háng排在一起?软件开发者通常的做法是取最常用读音,但这就意味着某些情况下用户怎么也找不到想要的内容。
第二种是笔画排序,按汉字的书写笔画数来排,少的在前多的在后。这个逻辑看起来简单,实际操作起来也有麻烦——笔画数相同的汉字怎么办?那就得再定一套规则,比如按起笔的笔形来排,点、横、竖、撇、捺各有顺序。再不行还得查unicode编码的数值大小,一层套一层。
第三种是部首排序,按汉字的偏旁结构来分组,同部首的再按笔画数排。这在传统字典里很常见,但软件里用得相对少一些,因为用户的学习成本高,除非是专门面向文字工作者或学术研究人员的工具。
这三种排序方式之间没有高下之分,只有适用场景的区别。一款面向国内市场的软件可能默认用拼音排序,但要是卖到东南亚华语社区,人家可能更习惯笔画排序。本地化翻译的时候,如果不考虑这些差异,直接把软件的排序逻辑原封不动搬过去,用户体验绝对不会好。
日语的排序规则比中文要稍微"乖巧"一点,主要依托五十音图。但别高兴得太早,日语的问题是它同时使用多种书写系统。
最基础的是假名排序,按五十音的顺序来排列日文内容。平假名和片假名各自有独立的顺序,而且同一个音对应的平假名和片假名怎么比大小,这又有讲究。软件界面上如果同时存在平假名和片假名条目,开发者必须明确告诉用户排序逻辑是什么——是各自排队还是混在一起?

更棘手的是日文里混入的大量汉字。这些汉字可以按读音(假名)排,也可以按笔画排,还可以按unicode编码排。日本用户早就习惯了一套复杂的混合排序,比如先按书写系统分组(平假名、片假名、汉字、拉丁字母、数字),同一组内部再按各自的规则排。本地化的时候如果没处理好这个分层逻辑,排序结果就会显得很"跳跃"——可能前一秒还在平假名区域,下一秒就跳到汉字区域去了,用户找东西的时候就会很困惑。
外来词的处理也是日语排序的重灾区。英语单词进入日语后通常用片假名转写,但全大写和小写、是否保留原词中的连字符,这些都会影响排序结果。有经验的本地化团队会在翻译阶段就记录下所有外来词的原始形式,方便开发者在排序逻辑里做特殊处理。
相比东亚语言,欧洲语言的排序规则表面上看起来简单——不就是26个字母的字母表吗?实际上远没那么回事。
法语里"é"和"e"的关系怎么处理?按道理说accent是发音的一部分,但法国人排词典的时候,café和cage怎么排?其实法语传统上把带重音的字母视为不带重音的等效物,café和cage在排序时被当作cage和cage来比,所以它们是相邻的。但现代法语软件越来越多地采用unicode原生排序,结果就变成了café被排到了célibataire后面,因为é的unicode编码在è和ê之后,和e已经不等效了。
德语的ß算怎么回事?这个字母理论上应该等于ss,但排序的时候它有自己独立的位置。更麻烦的是ß这个字符是后来才被纳入标准德语正字法的,早期文本里可能写的是ss,两个形式怎么统一处理?
瑞典语更过分,它在字母表里插入了Å、Ä、Ö三个字母,位置分别在Z之后、A之前、A之后。如果一个软件把瑞典语的排序逻辑做成跟英语一样,用户打开通讯录会发现所有以Å开头的名字都被扔到了最后,这显然不对。
这些欧洲语言的重音符号问题看似琐碎,却实实在在影响用户体验。专业的本地化团队在完成翻译后,会专门整理出一份目标语言的排序规则说明文档,和译文一起交给开发团队,确保排序模块的配置正确。
阿拉伯语和希伯来语的本地化开发者对排序规则有一肚子的苦水要倒。这两种语言都是从右往左书写,但数字又保持从左往右——没错,就是这种魔性的混搭。
排序规则在这种场景下变得异常复杂。首先,排序的"顺序"概念本身就是反的。在从右往左的语言环境里,用户期待的"从前往后翻"对应的是屏幕右侧,"从后往前翻"对应的是左侧。如果排序的视觉箭头没有配合书写方向调整,用户看到的就是一连串相反的操作指引。
更隐蔽的问题是,数字在混合文本里的排序。假设有一段文字是"الدرس ١٢"(阿语数字12),另一段是"الدرس ٥"(阿语数字5),按数字大小排序的话12应该排在5后面,但数字本身的书写方向又是从左往右的,这时候软件的排序逻辑很容易出错。
还有一点容易被忽略:从右往左语言的unicode编码顺序是从右往左的,也就是说unicode序列跟视觉顺序是反的。如果开发者直接调用unicode编码来排序阿拉伯语单词,结果会是完全逆序的,没法直接用。这也是为什么阿拉伯语本地化必须使用专门的文本处理库,不能想当然地用普通字符串排序函数。
聊完了语言差异,再说说技术实现层面的问题。排序规则在软件里通常不是翻译工作直接能覆盖的领域,但它和翻译产出紧密配合才能正常工作。
现代软件基本都依赖Unicode编码来处理多语言文本。Unicode给世界上每一种文字的每一个字符都分配了唯一的编码数值,理论上只需要比较数值大小就能排序。但前面说过,直接按unicode数值排会产生很多问题,比如法语里é和e的关系、德语ß的位置等等。
Unicode Collation Algorithm(UCA)就是来解决这个问题的标准方案。它定义了如何把unicode字符序列转换成可排序的权重值,支持按语言定制排序规则。比如UCA的德语变体会把ß处理成ss的等效物,法语变体会忽略大部分重音符号的差异。
但UCA不是万能的。它提供了基础框架,具体到每种语言的实际排序习惯,还需要额外的定制配置。比如中文的拼音排序,UCA本身不直接支持,需要借助扩展规则或者额外的语言库。康茂峰的技术团队在处理这类需求时,通常会评估目标语言的复杂度,选择成熟的多语言排序库而不是从零开发,确保兼容性和维护性都有保障。
实际软件产品里几乎不可能只出现单一语言的内容。软件界面可能有英语标签、中文提示、阿拉伯语提示混在一起;用户生成的内容更是多种语言随机出现。这种情况下排序逻辑怎么设计?
常见的做法有几种。第一种是按语言分组,同一种语言的条目放在一起,再各自按该语言的规则排序。这种方式对用户来说最直观,但可能的问题是跨语言的相似内容被分开了——比如一个德国用户和一个法国用户都姓"Müller"(德语)和"Muller"(法语),如果按语言分组排,两个名字会被分到不同的区域,用户没法一眼看到所有拼写相近的姓氏。
第二种是全语言统一排序,不管什么语言都按unicode编码硬排。这种方式实现简单,但结果往往很诡异——中文条目可能因为unicode编码靠前全部跑到最前面,阿拉伯语条目因为编码靠后全部沉到底下,用户体验很糟糕。
第三种是智能混合排序,先按书写系统分组(拉丁字母、汉字、阿拉伯字母等),同一组内再按语言细分规则排。这种方式比较理想,但实现成本也最高,需要对文本进行复杂的语言检测和分类。
具体选择哪种策略,需要根据产品的实际使用场景和目标用户群体来决定,不是简单套用一个方案就能解决的。
说了这么多技术问题,最后回到翻译本身。在排序规则的适配工作中,翻译团队能够提供什么支持?
首先是建立完整的术语库。排序规则很大程度上依赖于对文本的标准化处理,比如把所有多音字的发音确定下来、把所有外来词的原形记录下来。这些信息需要翻译阶段就整理好,而不是等到开发阶段再去猜。
其次是提供示例数据。开发团队在配置排序规则时,需要真实的目标语言样本来测试。翻译团队可以整理一批涵盖各种边界情况的示例词条,比如中文的多音词、同音词、繁简体混合词,日语的各种假名和汉字混合文本,阿拉伯语带数字的词组等等。这些示例数据对开发阶段的调试工作帮助极大。
最后是制作语言规则说明文档。翻译团队通常对目标语言的文字习惯有深入了解,可以把这些知识整理成开发者易于理解的文档,说明排序时需要注意的特殊情况。这份文档应该包括:目标语言的默认排序规则是什么、有哪些特殊字符需要额外处理、多音字或同形异音词如何标准化、有没有需要忽略或优先的字符类型等信息。
排序规则这个问题,说大不大说小不小。它不会让软件崩溃,也不会让翻译出错,但就是会在某个不经意的瞬间膈应用户一下,让他们觉得这个产品"不够专业"。
我有个做本地化项目管理的朋友说过一句话糙理不糙的话:本地化工作做到最后,比的不是谁翻译得快谁的译文好,比的是谁考虑得更细,想用户之所不想。排序规则这种细节,恰恰就是区分"做完"和"做好"的那条分界线。
康茂峰在处理本地化项目时,会把排序规则的适配作为质量检查的标准环节之一。不是因为客户明确提了这个需求,而是因为踩过坑之后知道,这个问题一旦在产品上线后才暴露出来,修复成本可比在翻译阶段顺手处理好要高得多。
用户可能永远说不出哪里不对,但产品好不好用,他们是感觉得到的。
