はじめに

C#定石 - ファイル一覧 - 照合規則で、任意にピックアップした漢字を、Windows 日本語カルチャ照合規則でソートした結果を確認しました。

文字	Unicode	JIS X0213	水準	画数	部首	音読み
一	U+4E00	1-16-76	第1水準	1	一部	イチ・イツ
三	U+4E09	1-27-16	第1水準	3	一部	サン
二	U+4E8C	1-38-83	第1水準	2	二部	ニ
亜	U+4E9C	1-16-1	第1水準	7	二部	ア
亞	U+4E9E	1-48-19	第2水準	8	二部	ア
唖	U+5516	1-16-2	第1水準	10	口部	ア・アク
啞	U+555E	1-15-8	第3水準	11	口部	ア・アク
啡	U+5561	2-4-8	第4水準	11	口部	ハイ・ヒ
排	U+6392	1-39-51	第1水準	11	手部	ハイ
柛	U+67DB	2-14-50	第4水準	9	木部	シン
神	U+795E	1-31-32	第1水準	9	示部	シン・ジン
神	U+FA19	1-89-28	第3水準	10	示部	シン・ジン

var arrayItems4 = new string[] { "一", "三", "二", "亜", "亞", "唖", 
                                 "啞", "啡", "排", "柛", "神", "神" };
Array.Sort(arrayItems4);
// → "亜", "唖", "一", "三", "神", "二", "排", "亞", "神", "啞", "啡", "柛"

JIS X 0213 面区点順をベースとしているようですが、「啞」がイレギュラーという結果になったので、漢字ソート順を確認してみることにします。

参考情報

下記情報を参考にさせて頂きました。

テスト環境

ここに記載した情報/ソースコードは、Visual Studio Community 2022 を利用した下記プロジェクトで生成したモジュールを Windows 11 24H2 で動作確認しています。

Windows Forms - .NET Framework 4.8
Windows Forms - .NET 8
WPF - .NET Framework 4.8
WPF - .NET 8

Visual Studio 2022 - .NET Framework 4.8 は、C# 7.3 が既定です。
このため、サンプルコードは、C# 7.3 機能範囲で記述しています。

漢字ソート順

テストデータ作成とソート実行

まず、 JIS X 0213漢字一覧 - Wikipedia から、「JIS X 0213漢字一覧の1面」「JIS X 0213漢字一覧の2面」を、Unicode タブ区切りテキストファイルに落とします。

対象ファイルの項目は「文字」「面区点」「Shift_JIS-2004」「Unicode」「水準」「備考」となっていますが、「文字」「面区点」「水準」「Unicode」「UTF16」に変更します。

// 原本 TSV → 今回利用 TSV
private void Original2Custom(string original, string custom)
{
  using (var sr = new StreamReader(original, Encoding.UTF8))
  using (var sw = new StreamWriter(custom, false, Encoding.UTF8))
  {
    // ヘッダー
    // original「文字」「面区点」「Shift_JIS-2004」「Unicode」「水準」「備考」
    // → custom「文字」「面区点」「水準」「Unicode」「UTF16」
    var line = sr.ReadLine();
    sw.WriteLine("文字\t面区点\t水準\tUnicode\tUTF16");

    // データ
    while (sr.Peek() > -1)
    {
      // 1行取得してタブ区切りで分解
      line = sr.ReadLine().Trim();
      var items = line.Split('\t');
      if (items?.Length >= 5)
      {
        sw.WriteLine(string.Format("{0}\t{1}\t{2}\t{3}\t{4}",
                              parts[0].Trim(), parts[1].Trim(),
                              parts[4].Trim(), parts[3].Trim(),
                              HexaDumpUTF16(parts[0].Trim())));
      }
    }
  }
}
// UTF16 ヘキサダンプ
private string HexaDumpUTF16(string target)
{
  var chars = target.ToCharArray();
  var sb = new StringBuilder();
  foreach (char c in chars)
  {
    sb.Append(string.Format("0x{0:X4} ", (ushort)c));
  }
  return sb.ToString().TrimEnd();
}

データ管理クラスとして CharX0213 を用意、List<CharX0213> を作成してソートします。

// 対象データ
private List<CharX0213> lstTarget = new List<CharX0213>();

// 対象ファイルロード → ソート → 結果ファイル出力
public void DoSort(string x0213_1, string x0213_2, string output)
{
  // 対象ファイルロード
  lstTarget.Clear();
  File2List(x0213_1);
  File2List(x0213_2);

  // ソート
  var sorted = lstTarget.OrderBy(x => x.Target);

  // 結果出力
  using (var sw = new StreamWriter(output, false, Encoding.UTF8))
  {
    // ヘッダ
    sw.WriteLine("文字\t面区点\t水準\tUnicode\tUTF16");
    // データ
    foreach(var item in sorted)
    {
      sw.WriteLine(string.Format("{0}\t{1}\t{2}\t{3}\t{4}",
                            item.Target, item.X0213, 
                            item.Level, item.Unicode, 
                            item.HexaDumpUTF16));
    }
  }
}
// ファイル ロード
private void File2List(string path)
{
  using (var sr = new StreamReader(path, Encoding.UTF8))
  {
    // ヘッダ
    var line = sr.ReadLine();
    // データ
    while (sr.Peek() > -1)
    {
      line = sr.ReadLine().Trim();
      var items = line.Split('\t');
      if (items?.Length >= 5)
      {
        lstTarget.Add(new CharX0213(items));
      }
    }
  }
}

public class CharX0213
{
  public string Target { get; set; }         // 文字
  public string X0213 { get; set; }          // JIS X 0213 面区点
  public string Level { get; set; }          // 第１水準, 第２水準, ...
  public string Unicode { get; set; }        // Unicode
  public string HexaDumpUTF16 { get; set; }  // UTF16 16進数

  public CharX0213(int sirial, string [] items)
  {
    if (items.Length >= 5)
    {
      Target = items[0].Trim();
      X0213 = items[1].Trim();
      Level = items[2].Trim();
      Unicode = items[3].Trim();
      HexaDumpUTF16 = items[4].Trim();
    }
  }
}

掲載ソースで作成したテストデータと、Windows 日本語カルチャ照合規則でソートした結果を GitHub にアップロードしておきました。

Windows 日本語カルチャ照合規則確認
- JISX0213-1.txt（JIS X0213 漢字１面区点順テストデータ）
- JISX0213-2.txt（JIS X0213 漢字２面区点順テストデータ）
- JISX0213-sorted.txt（ソート結果）

結果確認

ソート結果を確認すると、末尾にサロゲートペアが固まっています。
このことから、文字クラスとして、「非サロゲートペア」＜「サロゲートペア」 で分類がされているようです。

「非サロゲートペア」は、第１水準漢字と第２水準漢字については、いくつかのイレギュラー部分はありますが、JIS X 0213 面区点順をベースとしているようです。
「サロゲートペア」については、Unicode順となっています。

ソート結果全体で、JIS X 0213 面区点順ではない部分の抽出として「ひとつ前の文字の JIS X 0213 面区点よりも、該当文字の JIS X 0213 面区点が小さい」部分をピックアップすると 851ヶ所もあります。
このようなイレギュラーで、規則性を見いだせたのは、第１水準漢字の直後に、第３水準異体字という並び順５ヶ所のみでした。

文字	面区点	水準	Unicode	UTF16
殺	1-27-06	第1水準	U+6BBA	0x6BBA
殺	1-86-41	第3水準	U+F970	0xF970
薩	1-27-07	第1水準	U+85A9	0x85A9

文字	面区点	水準	Unicode	UTF16
欄	1-45-83	第1水準	U+6B04	0x6B04
欄	1-86-27	第3水準	U+F91D	0xF91D
濫	1-45-84	第1水準	U+6FEB	0x6FEB

文字	面区点	水準	Unicode	UTF16
虜	1-46-26	第1水準	U+865C	0x865C
虜	1-91-47	第3水準	U+F936	0xF936
了	1-46-27	第1水準	U+4E86	0x4E86

文字	面区点	水準	Unicode	UTF16
類	1-46-64	第1水準	U+985E	0x985E
類	1-94-04	第3水準	U+F9D0	0xF9D0
令	1-46-65	第1水準	U+4EE4	0x4EE4

文字	面区点	水準	Unicode	UTF16
廊	1-47-13	第1水準	U+5ECA	0x5ECA
廊	1-84-14	第3水準	U+F928	0xF928
弄	1-47-14	第1水準	U+5F04	0x5F04

「非サロゲートペア」部分、第２水準漢字の末尾 JIS X 0213 1-84-06 以降は、第３水準漢字、第４水準漢字となります。
1-84-06 前後（前方１文字、後方15文字）のソート順を抜粋します。

文字	面区点	水準	Unicode	UTF16
凜	1-84-05	第2水準	U+51DC	0x51DC
熙	1-84-06	第2水準	U+7199	0x7199
纊	1-90-23	第3水準	U+7E8A	0x7E8A
褜	1-91-78	第3水準	U+891C	0x891C
鍈	1-93-25	第3水準	U+9348	0x9348
銈	1-93-14	第3水準	U+9288	0x9288
蓜	2-86-53	第4水準	U+84DC	0x84DC
俉	1-14-25	第3水準	U+4FC9	0x4FC9
炻	2-79-64	第4水準	U+70BB	0x70BB
昱	1-85-21	第3水準	U+6631	0x6631
棈	1-85-73	第3水準	U+68C8	0x68C8
鋹	2-91-03	第4水準	U+92F9	0x92F9
曻	1-85-23	第3水準	U+66FB	0x66FB
彅	1-84-26	第3水準	U+5F45	0x5F45
丨	1-14-04	第3水準	U+4E28	0x4E28
仡	1-14-08	第3水準	U+4EE1	0x4EE1
伀	2-01-31	第4水準	U+4F00	0x4F00

画数、部首、音読みは関係なさそうですよね、、、
知識不足のため、この並び順から、規則性を見出すことはできませんでした。

自然順（エクスプローラ互換）

WIN32API - StrCmpLogicalW でソートした場合についても、Windows 日本語カルチャ照合規則と同様の結果となりました。

まとめ

Windows 日本語カルチャ照合規則、および、自然順（WIN32API - StrCmpLogicalW）で漢字をソートすると下記順序となります。

非サロゲートペア
- 第１水準漢字と第２水準漢字（ + 第３水準漢字５文字）
  - 基本的に JIS X 0213 面区点順
  - 第１水準漢字の直後に、第３水準異体字が配置されるケース有り
    - 殺（1-27-06、第１水準）殺（1-86-41、第３水準）
    - 欄（1-45-83、第１水準）欄（1-86-27、第３水準）
    - 虜（1-46-26、第１水準）虜（1-91-47、第３水準）
    - 類（1-46-64、第１水準）類（1-94-04、第３水準）
    - 廊（1-47-13、第１水準）廊（1-84-14、第３水準）
- 第３水準漢字と第４水準漢字
  - 規則性を見出すことはできませんでした
サロゲートペア
- Unicode順