Mengapa penyortiran mengabaikan karakter non-alfanumerik?

Saat menyortir nama file, lsabaikan karakter suka -,_. Saya berharap untuk menggunakan karakter-karakter itu dalam menyortir juga.

Sebuah contoh:

touch a1 a2 a-1 a-2 a_1 a_2 a.1 a.2 a,1 a,2

Sekarang tampilkan file-file ini dengan ls -1:

a1
a_1
a-1
a,1
a.1
a2
a_2
a-2
a,2
a.2

Apa yang saya harapkan adalah seperti ini:

a1
a2
a,1
a,2
a.1
a.2
a_1
a_2
a-1
a-2

yaitu saya berharap karakter non-alfanumerik diperhitungkan saat menyortir.

Adakah yang bisa menjelaskan perilaku ini? Apakah perilaku ini diamanatkan oleh standar? Atau ini karena pengkodean menjadi UTF-8?

Pembaruan: Tampaknya ini terkait dengan pengurutan UTF-8:

$ LC_COLLATE=C ls -1
a,1
a,2
a-1
a-2
a.1
a.2
a1
a2
a_1
a_2

Ini tidak ada hubungannya dengan charset. Sebaliknya, itu adalah bahasa yang menentukan urutan susunan. Libc memeriksa bahasa yang disajikan dalam $LC_COLLATE/ $LC_ALL/ $LANGdan mencari aturan /usr/share/i18n/locales/*susunannya (misalnya untuk GLibC) dan memerintahkan teks sesuai petunjuk.

EDIT: Uji tambah untuk data yang diurutkan dengan LC_COLLATE = C

Urutan susunan default memperlakukan karakter "tipe tanda baca" tersebut memiliki nilai yang sama .. Use LC_COLLATE=Cuntuk memperlakukannya dalam urutan titik kode ..

for i in 'a1' 'a_1' 'a-1' 'a,1' 'a.1' 'a2' 'a_2' 'a-2' 'a,2' 'a.2' ;do
  echo $i; 
done |LC_COLLATE=C sort

Keluaran

a,1
a,2
a-1
a-2
a.1
a.2
a1
a2
a_1
a_2

Kode berikut menguji semua karakter UTF-8 yang valid di Basic Multilingual Plane (kecuali untuk \ x00 dan \ x0a ; untuk kesederhanaan)
Ia membandingkan file dalam urutan naik (dikenal) yang diketahui, terhadap file yang diurutkan secara acak dan kemudian diurutkan lagi dengan LC_COLLATE = C. Hasilnya menunjukkan bahwa urutan C identik dengan urutan asli yang dihasilkan.

{ i=0 j=0 k=0 l=0
  for i in {0..9} {A..F} ;do
  for j in {0..9} {A..F} ;do
  for k in {0..9} {A..F} ;do
  for l in {0..9} {A..F} ;do
     (( 16#$i$j$k$l == 16#0000 )) && { printf '.' >&2; continue; }
     (( 16#$i$j$k$l == 16#000A )) && { printf '.' >&2; continue; }
     (( 16#$i$j$k$l >= 16#D800    && 
        16#$i$j$k$l <= 16#DFFF )) && { printf '.' >&2; continue; }
     (( 16#$i$j$k$l >= 16#FFFE )) && { printf '.' >&2; continue; }
     echo 0x"$i$j$k$l" |recode UTF-16BE/x4..UTF-8 || { echo "ERROR at codepoint $i$j$k$l " >&2; continue; } 
     echo 
  done
  done
  done; echo -n "$i$j$k$l " >&2
  done; echo >&2
} >listGen

             sort -R listGen    > listRandom
LC_COLLATE=C sort    listRandom > listCsort 

diff <(cat listGen;   echo "last line of listOrig " ) \
     <(cat listCsort; echo "last line of listCsort" )
echo 
cmp listGen listCsort; echo 'cmp $?='$?

Keluaran:

63485c63485
< last line of listOrig 
---
> last line of listCsort

cmp $?=0