CN Natural Sort

CN Natural Sort

Chinese-aware natural ordering for the file explorer: 第一章, 第二章 … 第十章, （一）（二）（三）, 第一单元/第二单元, Lecture 2/9/10, Part I/II/X — all appear in numeric order, not code-point order.

中文名：中文自然排序。让文件浏览器按人类直觉排序，而不是按 Unicode 码点。

English

The file explorer orders items by Unicode code points, so Chinese numerals like 第一章, 第二章 … 第十章 come out shuffled. This plugin replaces the explorer's own sort routine so numbers — Arabic, Chinese and Roman alike — are compared by value:

Obsidian default (by code point)      CN Natural Sort
─────────────────────────────────      ─────────────────────────────────
第一章                                 第一章
第三章                                 第二章
第二章                                 第三章
第十章                                 第十章

• No file renaming, no content edits, zero configuration.
• Folders are still listed before files.
• Names that are not numbers keep native ordering (Lecture 2 < Lecture 9 < Lecture 10, 拼音 order for pure Chinese).

What it understands

* Roman numerals are only treated as numbers when they look like ordinal labels: at the start of a name followed by a separator, inside parentheses, or after a prefix word (Chapter, Part, Unit, Lecture, Lesson, Section, Book, Volume …). This avoids mangling words like DLL, CLI, XML, CIVIL or sentences like I have a dream.

After Chinese text, Roman vs letter is ambiguous (附录C = letter C, or Roman 100?), so the whole folder decides — see “How it works”.

How it works

Deciding whether a run of characters is a number is the whole problem, and a yes/no guess is not enough — a wrong guess does not shift a file slightly, it demotes the number to text and the name falls back to pinyin, which for Chinese numerals is close to random (一→yi sorts after 三→san). So the pipeline has three stages.

1 · Segment. The name is split into segments. Each numeral is tagged with the evidence found for it instead of getting an immediate verdict:

• strong — hard syntax: after an ordinal lead (第), inside brackets (（三）), at the start followed by a separator (一、), a year form (二〇二四), or part of a multi-level chain (十月六日).
• weak — only “numeral + measure word” (十分钟, 一项, 三页). Which measure word it is makes no difference.
• nothing → stays text (三体, 万一).

2 · Compare segments. Number vs number by value; text vs text with the same Intl.Collator Obsidian itself uses; a number beats a text segment. Comparing segment by segment through the whole name is what makes nesting work.

3 · Adjudicate the folder. The weak segments are resolved against the rest of the folder in one pass, before sorting starts:

• Roman segments: if the same Chinese prefix shows a real Roman run (卷II) the whole prefix is read as Roman; if it shows a non-Roman letter (附录A) the whole prefix is read as letters. Never both — mixing them makes the same pair of names compare differently in different folders, and the order stops being self-consistent.
• Weak Chinese segments: group by pattern (?分, ?项, ?月?日). A group of two or more with differing values is a real numbering series and is adopted; a group of identical values (十分满意, 十分感谢, 十分准确 — all 10) is an adjective and is demoted back to text. A lone member is left alone.

That last rule is why there is no list of “trustworthy measure words”: 一项/两项/三项 read as 1/2/3 even though 项 was never whitelisted, and 十分满意 survives intact without 分 needing an exemption.

Installation

1. Turn off Restricted Mode: Settings → Community plugins → turn off Restricted Mode.
2. Open Community plugins → Browse, search for CN Natural Sort, and enable it. (Alternatively, install via BRAT using the repository URL.)
3. The file explorer re-sorts immediately.

Usage

Nothing to configure. Once enabled, the file explorer sorts itself. To force a re-sort, run the command "CN Natural Sort: re-sort" (or click the ribbon icon). A "diagnose" command prints the current order of a couple of folders to the console.

The plugin only takes over alphabetical sorting. If you switch the file explorer to Modified time / Created time, this plugin steps aside and Obsidian's own order is left untouched (including their Reverse variants).

中文

Obsidian 社区插件。让**文件浏览器（左侧文件列表）**按「人类直觉的自然顺序」排序：

• 不改文件名、不改文件内容、不写 frontmatter、不需要任何配置
• 文件夹仍然排在文件之前
• 不是数字的普通名字仍按原生规则（纯中文按拼音、英文数字按自然序）

能识别的形态

• 第 X 章/节/卷/篇/回/部/集/单元：第二章、第十章、第一单元
• 行首序号：一、绪论、1. 概述
• 括号序号：（一）（二）（三）…、笔记（四）、(三)
• 阿拉伯数字：Lecture 2/9/10、v1.2/v1.10（按 2<9<10、1.2<1.10 排）
• 罗马数字（限序号语境）：I. II. III.、Part I/II/X、（IV）、X - 结语
• 汉字 + 序号字母：附录A/B/C、方案A/B/C 按字母走；卷I/II/…/IX 按罗马数值走 （同一前缀自动二选一，见下方已知边界）
• 中文日期：2026年十月六日 = 2026 / 10 / 6、九月三十日 = 9 / 30， 与 2026-10-06、2026年10月6日 按同一数值轴混排
• 数字 + 量词 / 时间单位：一项 两项 三项、三页 十册、十分钟 三小时、 3号 三周 —— 不靠「哪个单位可信」判定，由整批一致性裁决（见下方算法第 3 层）
• 口语 / 大写数字：俩=2、仨=3、皕=200
• 简/繁/大写/廿卅：貳拾參=23、伍佰=500、廿三=23
• 多层嵌套序号：笔记（二）：第二单元 会排在 笔记（二）：第一单元 之后 （外层相同再比内层）

排序算法（v2.0）

v2.0 把「这段到底算不算数字」从 if 分支决策树 换成 切段 → 打分 → 整批裁决 三层。 动机很直接：判断一旦漏掉，退化的不是「排偏一点」，而是整段变成文本、转按拼音排 —— 而中文数字的读音和大小毫无关系（一→yi 排在 三→san 之后），一次漏判就是整列乱序。

第 1 层 · 切段：把名字切成「数值段 / 文本段」交替的序列。数值段不立刻定性， 只记录它拿到了哪些证据：

注意 weak 那行：不区分是哪个单位。以前要维护「可信单位白名单」， 分 因为会撞上「十分满意」就被排除，于是「十分钟」跟着受牵连 —— 补一个坑坏一片。

第 2 层 · 逐段比较：数值段按值比，文本段交给与 Obsidian 同款的 Intl.Collator （中文拼音、忽略大小写），数值段遇文本段在前，前段相等则继续比下一段。 因为是对整个名字逐段比较，内层序号天然参与排序：笔记（二）：第二单元 排在 笔记（二）：第一单元 之后。数值相等但写法不同（10 与 十）只记为 tie， 延后到所有段比完才用 —— 否则 2026年10月16日 会在第 3 段就因写法分出胜负， 根本走不到第 5 段去比 16 和 6。

第 3 层 · 整批裁决：排序开始前，把这批文件里的 weak 段一次性判完：

• 罗马段：同一汉字前缀下若出现非罗马字母（附录A 的 A），整个前缀按字母序； 若全是罗马字母且有 ≥2 字符的（卷II），整个前缀按罗马数值。两套逻辑绝不混用。
• 中文 weak 段：按模式分组（?分、?项、?月?日）。同组 ≥2 个成员且数值不全相同 → 判定为真编号，采纳；数值全同（十分满意 十分感谢 十分准确 都是 10）→ 判定为 副词用法，降级回文本；只有 1 个成员 → 孤证不足，保持文本。

这就是「不需要单位白名单」的原因：一项/两项/三项 的 1、2、3 递增本身就是最强证据， 而「十分满意」那组三个值都是 10，重复本身就是它不是编号的证据。

因为是对整个名字逐段比较，内层序号也能正确参与排序（层级正确性），且 「第三章」与「第 3 章」可以按同一个数值混排。

已知边界（有意为之，避免误伤）

插件只接管「按文件名」排序：在文件浏览器里切换成「修改时间 / 创建时间」排序时， 插件会完全放行，不再重排（含对应的 Reverse）。这是刻意设计 —— 不覆盖原生功能。

中文数字是否被当「数字」取决于语境，防止把普通词拆坏：

• 「三体」「二手」「万一」「万有引力」「十一期间」「三五成群」「十分满意」等 被汉字夹住或构成词语的名字 → 按拼音当文本，不会拆成「数字 3 + 体」。
• weak 段靠整批裁决，就有「单文件判不了」这回事：十分钟.md 独自存在时无从判断， 保守按文本处理（排在数字区之后）；同目录出现 二十分钟 后，两者一起被认定为编号。 这是有意的取舍：宁可暂时少认，也不要把 十分满意 拆成 10。
• 同一模式下的混排会连坐：十分钟（时长）和 十分满意（副词）模式都是 ?分， 组里出现了不同值，于是整组被当作编号，十分满意 会被排到 10 附近而不是纯文本区。 只影响排序位置，不丢数据；把副词型文件名改掉即可（README 建议避免同一前缀混写）。
• 多级链直接判 strong：十月六日 不等裁决就拆开，所以 十月怀胎 这类含「十月」的 成语也会被拆成 10 + 月怀胎。
• 分数有专门的护栏：三分之一、百分之三十、三分之一之二 —— 分子分母都不会被当成序号。 判据是 分之 这个分数独有的连接词：既能挡住分数，又不会牵连 十分满意 / 十分钟。
• 天干、地支、上中下按拼音排：甲乙丙丁戊 的拼音序是 丙丁甲戊乙，当编号用会乱。 属于语义序，插件不处理；甲方 / 乙方 这类固定配对恰好拼音也一致，不受影响。
• 罗马数字只认大写，且要求看起来像序号（行首 + 分隔/括号、Chapter|Part|Unit| Lecture… 前缀词后），避免把 DLL/CLI/XML/MIX 这类恰好由罗马字母组成的 技术缩写、或 CIVIL、I have a dream 这类词误判成数字。
• 汉字后紧接的罗马字母，按「同一前缀只选一套逻辑」判定：同一批文件里，同一个 汉字前缀（卷、附录、表…）下 —— 只要出现一个非罗马字母（附录A 的 A）， 整个前缀就按字母序；全是罗马字母、且至少有一个多字符（卷II、卷IX）时，才按 罗马数值排。两套逻辑绝不混用：混用会让同一对名字在不同上下文里得出相反结果， 排序就不自洽了（例如 附录V/附录L/附录N 同在时会互相打转）。 因此 附录A/B/C 与 卷I/II/…/IX 能各自排对，也能在同一目录共存； 但不鼓励在同一前缀下混写 附录A 与 附录II —— 此时该前缀整体退化为字母序。
• 语义性歧义无法完美消除：如把「MIX」放在行首且后面紧跟标点的文件名仍会被当作 1009。这类文件名很少见；若遇到，在数字后加一个空格即可解除（空格后的英文视为正文）。

已知会误判的少数成语（无法在不加词典的前提下消除，影响很小 —— 只是该文件会 被排进数字区，不会丢数据）：

• 「七七八八」「三三两两」「一五一十」这类全由数字字组成的词，独立成文件名时 仍会被当数值（7788 / 3322 / 10）。
• 「朝三暮四」「颠三倒四」的尾字落在名字末尾，会被当数值（4）。
• 缓解办法：这类文件改名时在其后加一个非汉字（如 七七八八 杂项），或加前缀词。

明确不支持（属于领域语义，交给用户而非猜）：

• 天干 / 地支 / 干支纪年、民国纪年、年号朝代（康熙三年 / 乾隆十年）—— 语义序而非数值序。
• 「上中下」「前后」等有语义顺序但非数值的词 —— 仍按拼音排。
• 兆/京/垓/秭 —— 古今含义不同（兆 既可能是 10⁶ 也可能是 10¹²），不猜。
• 负数、小数 —— 文件名里极罕见。
• 英文数字单词（Two、Three）—— 不当数值处理。

同一序号的不同写法会「聚拢」但不会合并成一档：第3章 与 第三章 相邻， Ch3 / PART 3 也会各自成簇，但中文档与拉丁前缀分属两簇（前缀文本不同， 按拼音/字母序先分簇，簇内再按数值）。

安装

1. 设置 → 第三方插件 → 关闭限制模式
2. 社区插件列表搜索 CN Natural Sort 并启用（或用 BRAT 通过仓库地址安装）
3. 文件浏览器立即重排

使用

无需配置。启用后文件浏览器自动排序；如需强制重排，运行命令「CN Natural Sort: re-sort」或点左侧栏图标；「CN Natural Sort: diagnose」可在控制台输出当前排序。

验收（开发用）

node test/run-tests.js   # 74 项单元测试
node test/corpus.js      # 50 个真实场景语料库（社区命名协议 / 出版 / 日期 / 反误伤）
node test/matrix.js      # 29 种编号形态 + 9 项反误伤
node test/fuzz.js        # 严格弱序 fuzz：同一批任意排列结果必须一致
node test/bench.js       # 性能基准，阈值 = 重构前（1.3.2）实测中位数

重构前后同机交替实测（Node 22，混合语料）：

热缓存快了 2.7 倍，因为整批裁决按「裁决签名」分桶缓存，不再像 1.3.x 那样 每次上下文一变就 keyCache.clear()。

排错与兼容

• 若列表展开/折叠异常，先确认装的是 v1.1+（v1.0 会破坏虚拟滚动，已废弃）。
• 本插件接管的是 FileExplorerView.getSortedFolderItems，不改任何 DOM，禁用后立即还原。