C++如何实现字符串的自然数排序算法

在处理文件名、版本号这类包含数字的字符串排序时，一个经典问题就会出现：为什么 "file10.txt" 会排在 "file2.txt" 前面？这其实是个老生常谈的“自然数排序”话题。

什么是自然数排序，和普通字典序有什么区别

简单说，自然数排序（Natural Sort）会让 "file10.txt" 稳稳排在 "file2.txt" 后面。而普通 std::string::operator< 呢？它逐字符比较，看到 '1' 比 '2' 小，就直接把 "file10.txt" 扔前面了，根本没机会去比 10 和 2 谁大谁小。所以自然排序的核心其实很简单：把字符串里的连续数字挑出来，按数值大小比较，而不是一个字符一个字符地硬怼。

用 std::sort 配合自定义比较函数实现

最直接的办法？自己写一个比较函数（或者 lambda），把两个字符串拆成“文本段”和“数字段”交替出现的序列，然后一段一段比。关键点在于：别想着用 std::stoi 去解析整个数字子串——万一遇到几百位的数字，直接溢出；也别偷懒依赖正则，C++11 的 性能差不说，部分编译器实现还不全，容易给自己挖坑。

实际操作中，推荐这样干：

• 用双指针在字符串里来回扫，遇到数字就跳过前导零，记录起始位置和长度。提取时可以用 std::string_view（C++17 以后）或者 std::string::substr。
• 数字段比较优先级高于文本段：先判断两边是否都是数字，再比长度（通常短的数字更小），最后才逐字符比较——这一步专治大数溢出。
• 文本段直接用 std::lexicographical_compare 或 < 就可以了。

这里给一个 C++17 的示例片段：

auto natural_less = [](const std::string& a, const std::string& b) {
    size_t i = 0, j = 0;
    while (i < a.size() && j < b.size()) {
        if (std::isdigit(a[i]) && std::isdigit(b[j])) {
            // 跳过前导零
            while (i < a.size() && a[i] == '0') ++i;
            while (j < b.size() && b[j] == '0') ++j;
            size_t ni = i, nj = j;
            while (ni < a.size() && std::isdigit(a[ni])) ++ni;
            while (nj < b.size() && std::isdigit(b[nj])) ++nj;
            size_t len_a = ni - i, len_b = nj - j;
            if (len_a != len_b) return len_a < len_b;
            while (i < ni && j < nj) {
                if (a[i] != b[j]) return a[i] < b[j];
                ++i; ++j;
            }
            continue;
        }
        if (a[i] != b[j]) return a[i] < b[j];
        ++i; ++j;
    }
    return a.size() < b.size();
};

然后丢给 std::sort(vec.begin(), vec.end(), natural_less) 就完事了。

注意 Windows API 和 Qt 中的陷阱

很多初入这一领域的朋友会觉得：Windows 有 StrCmpLogicalW（需 #include ），Qt 有 QString::localeAwareCompare，直接用不是省事？但实际上，这两个都有暗坑：

• StrCmpLogicalW 只支持宽字符，对 Unicode 的支持相当有限；如果字符串里混了中文、emoji 这类非 ASCII 字符，结果就不太靠谱了。
• QString::localeAwareCompare 本质上是 locale-aware 排序，并不是自然排序——它按语言规则摆弄字母，数字依然当字符处理，完全跑偏了。
• 而且，这两个都不支持自定义分隔符或忽略大小写这类需求，硬套上去很容易出 bug。

性能与边界情况必须验证

必须提醒的是：自然排序比普通字符串比较慢一个数量级——这个代价你得心里有数，尤其当字符串很长或数字段特别多的时候。实际项目中常见的坑包括：

• 空字符串或全数字字符串：比如 "123" 和 "45" 的比较。数字段长度比较逻辑必须处理好 0 开头的情况，比如 "001" 和 "1" 应该视为等价。
• 混合 Unicode：如果字符串是 UTF-8 编码，多字节字符的高位字节会误触 std::isdigit。正确的做法是先把 std::string 转成 std::string_view，再用 static_cast 安全调用字符判断函数。
• 极端长度：遇到上百位的数字，不能转成 int64_t，必须靠纯字符比较。上面示例里那个“逐字符比”的步骤，就是专门为这种情况留的后路。

说句实在话，真正难的不是把代码写出来，而是让 "a1b2c10"、"a1b2c9"、"a01b002c010" 这三者稳定按数值顺序排好，同时不崩内存、不漏边界。这才是考验功底的地方。