Ordenar em letra em ordem alfabética parece fácil até você se deparar com acentos
A maioria das pessoas acha que organizar algo em letra em ordem alfabética é só pressionar um botão no Excel ou usar o sort() do Python. Na prática, existe uma diferença enorme entre o que a ferramenta mostra na tela e o que realmente sai do jeito que você esperava. Eu aprendi isso da maneira mais chata possível quando precisei ordenar uma planilha com 14.000 nomes próprios de clientes brasileiros, e o resultado final estava completamente errado. O problema não era a função. Era a configuração de localização. O Excel, por padrão, usa a ordem de code point do Unicode, não a ordem alfabética brasileira. Isso significa que A é tratado antes de Á, que é tratado antes de B, e então você tem N antes de NH e antes de L, o que para quem lê português é absurdo. A palavra "NHADA" ia parar no final da lista em vez de ficar perto de "NHEE". Levei três horas corrigindo manualmente depois que percebi que o filtro automático tinha distribuído 2.300 registros de forma ilegível para fins editoriais.
Como fazer letra em ordem alfabética de verdade no dia a dia
O primeiro passo é entender qual regra você quer aplicar. Existe a ordem alfabética lexicográfica padrão, que segue estritamente o código Unicode caractere por caractere. Existe a ordem alfabética brasileira definida pela ABNT NBR 12524, que trata NH, LH e CH como sequências distintas e posiciona letras acentuadas de forma específica. E existe a ordenação collation do SQL Server ou do MySQL, que varia dependendo da colação configurada no banco. Se você está no Excel e precisa de resultado rápido para uso interno, vá em Dados > Ordenar e não confie na ordenação padrão que aparece no menu de contexto. Clique em "Opções" dentro da caixa de diálogo de ordenação e escolha "Ordenar de A a Z conforme os caracteres". Isso faz o Excel usar a regras de collation do Windows em vez do sort bário de Unicode. O ganho de tempo é imediato: o que levaria horas de revisão manual volta para cerca de dois minutos em listas menores que 5.000 linhas.
Para Python, o módulo natural é o functools com uma key customizada. O built-in sorted() sem parâmetro extra vai repetir o mesmo erro do Excel. Você precisa de uma biblioteca como o pyuca (Unicode Collation Algorithm) ou usar o ICU via pyicu. Com pyuca, a chamada é algo como sorted(lista, key=ucaUCA().collator). Isso implementa a ordem alfabética correta para português brasileiro, incluindo a posição de Ç, Ã, Õ, NH e LH nos lugares certos.
O que todo mundo erra na hora de aplicar
O erro mais comum é confundir ordenação com busca. Muitas pessoas acham que se um sistema classifica corretamente, ele também retorna resultados de pesquisa na mesma ordem. Não é assim. Uma base SQL com collation Latin1_General_CI_AS ordena corretamente, mas um LIKE '%silva%' ou uma função de busca full-text não necessariamente seguem essa mesma ordem de saída. Se você precisa exibir resultados filtrados em ordem alfabética, tem que aplicar o ORDER BY explicitamente depois do filtro, nunca depender da ordem natural dos dados armazenados. Outro ponto cego é a diferença entre maiúsculas e minúsculas. Em collations case-insensitive, "Maria" e "maria" ficam juntas e a ordem entre elas é determinada por fatores secundários. Em collations case-sensitive, todas as maiúsculas vêm antes de todas as minúsculas, o que quebra a expectativa de qualquer pessoa que está acostumada a ver nomes próprios misturados. Para listas de nomes, use sempre uma ordenação case-insensitive. Para chaves técnicas como IDs ou códigos de produto, case-sensitive é o correto.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Edge case que quebrou meu workflow e como resolveu
Eu tive um caso específico com sobrenomes compostos que contêm artigo definido: "da Silva", "de Oliveira", "dos Santos". A ordenação padrão do sistema trata o artigo como parte do primeiro termo, então todos os "Da Silva" iam para a seção D, não para a S. Para uma lista telefônica ou catálogo editorial, isso é inaceitável. A solução que eu usei foi criar uma coluna auxilia com uma função que remove os artigos "da", "de", "do", "das", "dos" do início do sobrenome antes de aplicar a ordenação. Em SQL, uma expressão como REPLACE(REPLACE(nome, 'da ', ''), 'de ', '') funciona para a maioria dos casos, mas falha com variações sem espaço como "d'Ávila". Para esses casos, a regex ^(?:da|de|do|das|dos)\s* resolve com mais precisão. Em Python, o mesmo principio se aplica com uma small função na key do sorted():
def ordenar_nome(sobrenome): return re.sub(r'^(da|de|do|das|dos)\s*', '', sobrenome.lower()) Isso coloca "da Silva" ao lado de "Silva" na ordenação, exatamente como aparece em qualquer lista telefônica brasileira. O processo leva menos de 30 segundos para processar 14.000 registros com essa função.
Limitações reais que ninguém conta
Nenhuma solução de ordenação alfabética funciona bem com dados sujos. Se a sua base contém espaços duplos, hífen no meio do nome, ou caracteres especiais como ç sem acento quando deveria ter, a ordenação vai produzir resultados inconsistentes independentemente da ferramenta que você usar. Limpeza prévia dos dados é obrigatória, não opcional. Gaste tempo normalizando os registros antes de ordenar. O tempo extra de limpeza compensa em cinco a dez vezes o custo de corrigir a saída depois. Outra limitação importante é que a ordem alfabética brasileira difere da portuguesa de Portugal em alguns pontos, principalmente na tratamento de NH e na posição de Ç. Se você tem usuários em ambos os países, uma única ordenação vai satisfazer um grupo e frustrar o outro. Nesse cenário, a melhor alternativa é deixar a ordenação definida pelo locale do usuário, não impor uma regra fixa do servidor. Você ganha consistência e perde apenas alguns segundos de processamento extra para determinar o locale no momento da consulta.
Se a sua necessidade é simplesmente classificar uma lista pequena para uso pessoal, o recurso nativo da planilha ou do sistema operacional basta. Se a lista tem mais de mil registros, envolve nomes próprios brasileiros, ou será usada em um produto que será entregue a clientes finais, invista em uma implementação baseada em UCA com locale pt_BR. O resultado é mais confiavel e evita retrabalho caro mais tarde.
