去年有個(gè)朋友跟我吐槽，說(shuō)他負(fù)責(zé)的某款辦公軟件出海到日本市場(chǎng)，用戶反饋里面有一條讓他百思不得其解：日文版里聯(lián)系人列表的排序完全亂了套。明明按理說(shuō)都是五十音順序，結(jié)果"A"開(kāi)頭的內(nèi)容愣是跑到了"あ"前面，更離譜的是某些外來(lái)詞干脆消失不見(jiàn)了。他來(lái)找我的時(shí)候挺崩潰，說(shuō)翻譯都做完了，怎么還有這種幺蛾子？
這就是排序規(guī)則差異在本地化翻譯里搞出的典型麻煩。很多人以為本地化就是把界面文字翻譯成目標(biāo)語(yǔ)言，頂多注意下字體和日期格式。但實(shí)際上，排序規(guī)則這個(gè)問(wèn)題相當(dāng)隱蔽，它不像翻譯錯(cuò)誤那樣一眼就能看出來(lái)，卻能讓用戶覺(jué)得產(chǎn)品用起來(lái)特別別扭。今天就想聊聊這個(gè)話題，說(shuō)清楚排序規(guī)則到底是怎么回事，以及專業(yè)團(tuán)隊(duì)是怎么處理這個(gè)問(wèn)題的。
說(shuō)白了，排序規(guī)則就是計(jì)算機(jī)決定"誰(shuí)排在前面"的邏輯。我們從小習(xí)慣了字典里的排序方式——按拼音、按筆畫(huà)、按字母表——但仔細(xì)想想，這些排序方式其實(shí)都沒(méi)有那么"自然"。中文按拼音排序，"王"排在"張"前面，因?yàn)?wáng"的聲母是w，"zhāng"的聲母是zh，按字母順序w在z后面。可如果按筆畫(huà)排序，"王"是四畫(huà)，"張"也是七畫(huà)，那就完全是另一個(gè)故事了。
軟件界面里的列表、目錄、搜索結(jié)果，無(wú)一不依賴某種排序規(guī)則運(yùn)行。用戶已經(jīng)形成了固定的思維慣性，覺(jué)得"聯(lián)系人就應(yīng)該按名字首字母排"、"文檔列表就該按修改時(shí)間倒序"。一旦這種預(yù)期被打破，哪怕只是幾個(gè)條目排得不對(duì)勁，用戶也會(huì)隱約覺(jué)得"這個(gè)軟件不對(duì)勁"，進(jìn)而對(duì)產(chǎn)品整體產(chǎn)生不信任感。
康茂峰這類專業(yè)本地化服務(wù)商在處理項(xiàng)目時(shí)，往往會(huì)在翻譯工作之外額外關(guān)注排序規(guī)則的適配問(wèn)題。這不是因?yàn)樗麄儫o(wú)聊，而是因?yàn)槌赃^(guò)太多虧——曾經(jīng)有個(gè)電商平臺(tái)把中文商品列表的"按銷量排序"功能直接搬到阿拉伯語(yǔ)市場(chǎng)，結(jié)果因?yàn)榘⒄Z(yǔ)從右往左的書(shū)寫(xiě)習(xí)慣，排序按鈕的視覺(jué)效果完全反過(guò)來(lái)了，用戶點(diǎn)了"從高到低"反而看到銷量最低的商品排在最右邊，轉(zhuǎn)化率直接跌了三成。
這個(gè)問(wèn)題展開(kāi)來(lái)說(shuō)相當(dāng)復(fù)雜，因?yàn)槊糠N語(yǔ)言都有自己的一套邏輯，有時(shí)候同一種語(yǔ)言在不同地區(qū)還有差異。我盡量挑幾個(gè)典型情況講清楚。
中文的排序規(guī)則可能是全世界語(yǔ)言里最讓人頭大的之一。粗略來(lái)分，至少有三種完全不同的排序邏輯在并行使用。
第一種是拼音排序，也就是按漢字的拉丁化發(fā)音來(lái)排。這是最常見(jiàn)的做法，字典、通訊錄、大部分軟件默認(rèn)都是這個(gè)邏輯。但問(wèn)題在于，多音字怎么辦？"行長(zhǎng)"這個(gè)詞，"行"可以讀xíng也可以讀háng，如果按拼音排序，它應(yīng)該跟xíng排在一起還是跟háng排在一起？軟件開(kāi)發(fā)者通常的做法是取最常用讀音，但這就意味著某些情況下用戶怎么也找不到想要的內(nèi)容。
第二種是筆畫(huà)排序，按漢字的書(shū)寫(xiě)筆畫(huà)數(shù)來(lái)排，少的在前多的在后。這個(gè)邏輯看起來(lái)簡(jiǎn)單，實(shí)際操作起來(lái)也有麻煩——筆畫(huà)數(shù)相同的漢字怎么辦？那就得再定一套規(guī)則，比如按起筆的筆形來(lái)排，點(diǎn)、橫、豎、撇、捺各有順序。再不行還得查unicode編碼的數(shù)值大小，一層套一層。
第三種是部首排序，按漢字的偏旁結(jié)構(gòu)來(lái)分組，同部首的再按筆畫(huà)數(shù)排。這在傳統(tǒng)字典里很常見(jiàn)，但軟件里用得相對(duì)少一些，因?yàn)橛脩舻膶W(xué)習(xí)成本高，除非是專門(mén)面向文字工作者或?qū)W術(shù)研究人員的工具。
這三種排序方式之間沒(méi)有高下之分，只有適用場(chǎng)景的區(qū)別。一款面向國(guó)內(nèi)市場(chǎng)的軟件可能默認(rèn)用拼音排序，但要是賣到東南亞華語(yǔ)社區(qū)，人家可能更習(xí)慣筆畫(huà)排序。本地化翻譯的時(shí)候，如果不考慮這些差異，直接把軟件的排序邏輯原封不動(dòng)搬過(guò)去，用戶體驗(yàn)絕對(duì)不會(huì)好。
日語(yǔ)的排序規(guī)則比中文要稍微"乖巧"一點(diǎn)，主要依托五十音圖。但別高興得太早，日語(yǔ)的問(wèn)題是它同時(shí)使用多種書(shū)寫(xiě)系統(tǒng)。
最基礎(chǔ)的是假名排序，按五十音的順序來(lái)排列日文內(nèi)容。平假名和片假名各自有獨(dú)立的順序，而且同一個(gè)音對(duì)應(yīng)的平假名和片假名怎么比大小，這又有講究。軟件界面上如果同時(shí)存在平假名和片假名條目，開(kāi)發(fā)者必須明確告訴用戶排序邏輯是什么——是各自排隊(duì)還是混在一起？
更棘手的是日文里混入的大量漢字。這些漢字可以按讀音（假名）排，也可以按筆畫(huà)排，還可以按unicode編碼排。日本用戶早就習(xí)慣了一套復(fù)雜的混合排序，比如先按書(shū)寫(xiě)系統(tǒng)分組（平假名、片假名、漢字、拉丁字母、數(shù)字），同一組內(nèi)部再按各自的規(guī)則排。本地化的時(shí)候如果沒(méi)處理好這個(gè)分層邏輯，排序結(jié)果就會(huì)顯得很"跳躍"——可能前一秒還在平假名區(qū)域，下一秒就跳到漢字區(qū)域去了，用戶找東西的時(shí)候就會(huì)很困惑。
外來(lái)詞的處理也是日語(yǔ)排序的重災(zāi)區(qū)。英語(yǔ)單詞進(jìn)入日語(yǔ)后通常用片假名轉(zhuǎn)寫(xiě)，但全大寫(xiě)和小寫(xiě)、是否保留原詞中的連字符，這些都會(huì)影響排序結(jié)果。有經(jīng)驗(yàn)的本地化團(tuán)隊(duì)會(huì)在翻譯階段就記錄下所有外來(lái)詞的原始形式，方便開(kāi)發(fā)者在排序邏輯里做特殊處理。
相比東亞語(yǔ)言，歐洲語(yǔ)言的排序規(guī)則表面上看起來(lái)簡(jiǎn)單——不就是26個(gè)字母的字母表嗎？實(shí)際上遠(yuǎn)沒(méi)那么回事。
法語(yǔ)里"é"和"e"的關(guān)系怎么處理？按道理說(shuō)accent是發(fā)音的一部分，但法國(guó)人排詞典的時(shí)候，café和cage怎么排？其實(shí)法語(yǔ)傳統(tǒng)上把帶重音的字母視為不帶重音的等效物，café和cage在排序時(shí)被當(dāng)作cage和cage來(lái)比，所以它們是相鄰的。但現(xiàn)代法語(yǔ)軟件越來(lái)越多地采用unicode原生排序，結(jié)果就變成了café被排到了célibataire后面，因?yàn)楱Φ膗nicode編碼在è和ê之后，和e已經(jīng)不等效了。
德語(yǔ)的?算怎么回事？這個(gè)字母理論上應(yīng)該等于ss，但排序的時(shí)候它有自己獨(dú)立的位置。更麻煩的是?這個(gè)字符是后來(lái)才被納入標(biāo)準(zhǔn)德語(yǔ)正字法的，早期文本里可能寫(xiě)的是ss，兩個(gè)形式怎么統(tǒng)一處理？
瑞典語(yǔ)更過(guò)分，它在字母表里插入了?、?、?三個(gè)字母，位置分別在Z之后、A之前、A之后。如果一個(gè)軟件把瑞典語(yǔ)的排序邏輯做成跟英語(yǔ)一樣，用戶打開(kāi)通訊錄會(huì)發(fā)現(xiàn)所有以?開(kāi)頭的名字都被扔到了最后，這顯然不對(duì)。
這些歐洲語(yǔ)言的重音符號(hào)問(wèn)題看似瑣碎，卻實(shí)實(shí)在在影響用戶體驗(yàn)。專業(yè)的本地化團(tuán)隊(duì)在完成翻譯后，會(huì)專門(mén)整理出一份目標(biāo)語(yǔ)言的排序規(guī)則說(shuō)明文檔，和譯文一起交給開(kāi)發(fā)團(tuán)隊(duì)，確保排序模塊的配置正確。
阿拉伯語(yǔ)和希伯來(lái)語(yǔ)的本地化開(kāi)發(fā)者對(duì)排序規(guī)則有一肚子的苦水要倒。這兩種語(yǔ)言都是從右往左書(shū)寫(xiě)，但數(shù)字又保持從左往右——沒(méi)錯(cuò)，就是這種魔性的混搭。
排序規(guī)則在這種場(chǎng)景下變得異常復(fù)雜。首先，排序的"順序"概念本身就是反的。在從右往左的語(yǔ)言環(huán)境里，用戶期待的"從前往后翻"對(duì)應(yīng)的是屏幕右側(cè)，"從后往前翻"對(duì)應(yīng)的是左側(cè)。如果排序的視覺(jué)箭頭沒(méi)有配合書(shū)寫(xiě)方向調(diào)整，用戶看到的就是一連串相反的操作指引。
更隱蔽的問(wèn)題是，數(shù)字在混合文本里的排序。假設(shè)有一段文字是"????? ??"（阿語(yǔ)數(shù)字12），另一段是"????? ?"（阿語(yǔ)數(shù)字5），按數(shù)字大小排序的話12應(yīng)該排在5后面，但數(shù)字本身的書(shū)寫(xiě)方向又是從左往右的，這時(shí)候軟件的排序邏輯很容易出錯(cuò)。
還有一點(diǎn)容易被忽略：從右往左語(yǔ)言的unicode編碼順序是從右往左的，也就是說(shuō)unicode序列跟視覺(jué)順序是反的。如果開(kāi)發(fā)者直接調(diào)用unicode編碼來(lái)排序阿拉伯語(yǔ)單詞，結(jié)果會(huì)是完全逆序的，沒(méi)法直接用。這也是為什么阿拉伯語(yǔ)本地化必須使用專門(mén)的文本處理庫(kù)，不能想當(dāng)然地用普通字符串排序函數(shù)。
聊完了語(yǔ)言差異，再說(shuō)說(shuō)技術(shù)實(shí)現(xiàn)層面的問(wèn)題。排序規(guī)則在軟件里通常不是翻譯工作直接能覆蓋的領(lǐng)域，但它和翻譯產(chǎn)出緊密配合才能正常工作。
現(xiàn)代軟件基本都依賴Unicode編碼來(lái)處理多語(yǔ)言文本。Unicode給世界上每一種文字的每一個(gè)字符都分配了唯一的編碼數(shù)值，理論上只需要比較數(shù)值大小就能排序。但前面說(shuō)過(guò)，直接按unicode數(shù)值排會(huì)產(chǎn)生很多問(wèn)題，比如法語(yǔ)里é和e的關(guān)系、德語(yǔ)?的位置等等。
Unicode Collation Algorithm（UCA）就是來(lái)解決這個(gè)問(wèn)題的標(biāo)準(zhǔn)方案。它定義了如何把unicode字符序列轉(zhuǎn)換成可排序的權(quán)重值，支持按語(yǔ)言定制排序規(guī)則。比如UCA的德語(yǔ)變體會(huì)把?處理成ss的等效物，法語(yǔ)變體會(huì)忽略大部分重音符號(hào)的差異。
但UCA不是萬(wàn)能的。它提供了基礎(chǔ)框架，具體到每種語(yǔ)言的實(shí)際排序習(xí)慣，還需要額外的定制配置。比如中文的拼音排序，UCA本身不直接支持，需要借助擴(kuò)展規(guī)則或者額外的語(yǔ)言庫(kù)。康茂峰的技術(shù)團(tuán)隊(duì)在處理這類需求時(shí)，通常會(huì)評(píng)估目標(biāo)語(yǔ)言的復(fù)雜度，選擇成熟的多語(yǔ)言排序庫(kù)而不是從零開(kāi)發(fā)，確保兼容性和維護(hù)性都有保障。
實(shí)際軟件產(chǎn)品里幾乎不可能只出現(xiàn)單一語(yǔ)言的內(nèi)容。軟件界面可能有英語(yǔ)標(biāo)簽、中文提示、阿拉伯語(yǔ)提示混在一起；用戶生成的內(nèi)容更是多種語(yǔ)言隨機(jī)出現(xiàn)。這種情況下排序邏輯怎么設(shè)計(jì)？
常見(jiàn)的做法有幾種。第一種是按語(yǔ)言分組，同一種語(yǔ)言的條目放在一起，再各自按該語(yǔ)言的規(guī)則排序。這種方式對(duì)用戶來(lái)說(shuō)最直觀，但可能的問(wèn)題是跨語(yǔ)言的相似內(nèi)容被分開(kāi)了——比如一個(gè)德國(guó)用戶和一個(gè)法國(guó)用戶都姓"Müller"（德語(yǔ)）和"Muller"（法語(yǔ)），如果按語(yǔ)言分組排，兩個(gè)名字會(huì)被分到不同的區(qū)域，用戶沒(méi)法一眼看到所有拼寫(xiě)相近的姓氏。
第二種是全語(yǔ)言統(tǒng)一排序，不管什么語(yǔ)言都按unicode編碼硬排。這種方式實(shí)現(xiàn)簡(jiǎn)單，但結(jié)果往往很詭異——中文條目可能因?yàn)閡nicode編碼靠前全部跑到最前面，阿拉伯語(yǔ)條目因?yàn)榫幋a靠后全部沉到底下，用戶體驗(yàn)很糟糕。
第三種是智能混合排序，先按書(shū)寫(xiě)系統(tǒng)分組（拉丁字母、漢字、阿拉伯字母等），同一組內(nèi)再按語(yǔ)言細(xì)分規(guī)則排。這種方式比較理想，但實(shí)現(xiàn)成本也最高，需要對(duì)文本進(jìn)行復(fù)雜的語(yǔ)言檢測(cè)和分類。
具體選擇哪種策略，需要根據(jù)產(chǎn)品的實(shí)際使用場(chǎng)景和目標(biāo)用戶群體來(lái)決定，不是簡(jiǎn)單套用一個(gè)方案就能解決的。
說(shuō)了這么多技術(shù)問(wèn)題，最后回到翻譯本身。在排序規(guī)則的適配工作中，翻譯團(tuán)隊(duì)能夠提供什么支持？
首先是建立完整的術(shù)語(yǔ)庫(kù)。排序規(guī)則很大程度上依賴于對(duì)文本的標(biāo)準(zhǔn)化處理，比如把所有多音字的發(fā)音確定下來(lái)、把所有外來(lái)詞的原形記錄下來(lái)。這些信息需要翻譯階段就整理好，而不是等到開(kāi)發(fā)階段再去猜。
其次是提供示例數(shù)據(jù)。開(kāi)發(fā)團(tuán)隊(duì)在配置排序規(guī)則時(shí)，需要真實(shí)的目標(biāo)語(yǔ)言樣本來(lái)測(cè)試。翻譯團(tuán)隊(duì)可以整理一批涵蓋各種邊界情況的示例詞條，比如中文的多音詞、同音詞、繁簡(jiǎn)體混合詞，日語(yǔ)的各種假名和漢字混合文本，阿拉伯語(yǔ)帶數(shù)字的詞組等等。這些示例數(shù)據(jù)對(duì)開(kāi)發(fā)階段的調(diào)試工作幫助極大。
最后是制作語(yǔ)言規(guī)則說(shuō)明文檔。翻譯團(tuán)隊(duì)通常對(duì)目標(biāo)語(yǔ)言的文字習(xí)慣有深入了解，可以把這些知識(shí)整理成開(kāi)發(fā)者易于理解的文檔，說(shuō)明排序時(shí)需要注意的特殊情況。這份文檔應(yīng)該包括：目標(biāo)語(yǔ)言的默認(rèn)排序規(guī)則是什么、有哪些特殊字符需要額外處理、多音字或同形異音詞如何標(biāo)準(zhǔn)化、有沒(méi)有需要忽略或優(yōu)先的字符類型等信息。
排序規(guī)則這個(gè)問(wèn)題，說(shuō)大不大說(shuō)小不小。它不會(huì)讓軟件崩潰，也不會(huì)讓翻譯出錯(cuò)，但就是會(huì)在某個(gè)不經(jīng)意的瞬間膈應(yīng)用戶一下，讓他們覺(jué)得這個(gè)產(chǎn)品"不夠?qū)I(yè)"。
我有個(gè)做本地化項(xiàng)目管理的朋友說(shuō)過(guò)一句話糙理不糙的話：本地化工作做到最后，比的不是誰(shuí)翻譯得快誰(shuí)的譯文好，比的是誰(shuí)考慮得更細(xì)，想用戶之所不想。排序規(guī)則這種細(xì)節(jié)，恰恰就是區(qū)分"做完"和"做好"的那條分界線。
康茂峰在處理本地化項(xiàng)目時(shí)，會(huì)把排序規(guī)則的適配作為質(zhì)量檢查的標(biāo)準(zhǔn)環(huán)節(jié)之一。不是因?yàn)榭蛻裘鞔_提了這個(gè)需求，而是因?yàn)椴冗^(guò)坑之后知道，這個(gè)問(wèn)題一旦在產(chǎn)品上線后才暴露出來(lái)，修復(fù)成本可比在翻譯階段順手處理好要高得多。
用戶可能永遠(yuǎn)說(shuō)不出哪里不對(duì)，但產(chǎn)品好不好用，他們是感覺(jué)得到的。
