Haskell の sort と sort コマンドの結果差異

以下のようなファイルがあったとします。

prefectures.txt

大阪府
和歌山県
高知県
愛媛県

これを sort コマンドで並び替えると以下のようになります。

$ sort prefectures.txt
大阪府
愛媛県
高知県
和歌山県

Haskell で並び替えるなら以下のようなプログラムになります。

Main.hs

import Data.List (sort)
import System.Environment (getArgs)

main :: IO ()
main = do
  args <- getArgs
  contents <- readFile $ args !! 0
  mapM_ putStrLn $ sort $ lines contents

実行すると以下のようになります。

$ stack exec -- sort prefectures.txt
和歌山県
大阪府
愛媛県
高知県

あれ、sort コマンドと結果が違いますね。

結果が異なる理由

わかりません (><;/~
ご存じの方はコメントでご教示ください。

調べてみた

簡単のため「和歌山県」と「愛媛県」で比較してみます。

テキストは UTF-8 で保存されていて、それぞれ以下のようなバイト列です。

• 和歌山県: e5 92 8c e6 ad 8c e5 b1 b1 e7 9c 8c 0a
• 愛知県: e6 84 9b e5 aa 9b e7 9c 8c 0a

「和歌山県」の方が若いですが、sort コマンドの結果は一番下です。

Haskell の Char は UCS-4 なので Haskell の String は以下のようなバイト列になるはずです。

• 和歌山県: 00 00 54 8c 00 00 6b 4c 00 00 5c 71 00 00 77 0c 00 00 00 0a
• 愛知県: 00 00 61 1b 00 00 5a 9b 00 00 77 0c 00 00 00 0a

こちらも「和歌山県」の方が若く、こちらは sort 関数の結果と一致します。

sort コマンドの内部コード？に起因するのでしょうか？ sort コマンドはバイナリを与えても正常に動作しないので、単にバイト列でソートしているのではなく、何らかの文字コード変換が行われているような気がします。