Python实现针对中文排序的方法(python如何用)

编辑：rootadmin

推荐整理分享Python实现针对中文排序的方法(python如何用)，希望有所帮助，仅作参考，欢迎阅读内容。

文章相关热门搜索词:python用,python中zoom,python 中,用python写中国,利用python进行,用python写中国,python zhon,python zhon,内容如对您有帮助，希望把文章链接给更多的朋友！

本文实例讲述了Python实现针对中文排序的方法。分享给大家供大家参考，具体如下：

Python比较字符串大小时，根据的是ord函数得到的编码值。基于它的排序函数sort可以很容易为数字和英文字母排序，因为它们在编码表中就是顺序排列的。

但要很处理中文就没那么容易了。中文通常有拼音和笔画两种排序方式，在最常用中文标准字符集GB中，个一级中文汉字是按照拼音序进行编码的，而个二级汉字则是按部首笔画排列，

出现这样的结果是因为‘曙'和‘曾'都是常用字，而‘鲑'和‘怡'都是次常用字，但无论从笔画还是拼音来看，这两对顺序都应该反过来。后来扩充的GBK和GB编码为了向下兼容，都没有更改之前的汉字顺序，于是sort之后的次序就很乱了。

另一方面unicode编码的中文是按《康熙字典》的偏旁部首和笔画数来排列的，所以排序结果和GB编码又不一样。

输出是："佘孙李赵钱"；而保存成gb编码后

输出是：“李钱孙赵佘”。显然，这两个结果都不是我们想要的。那我们究竟怎样才能对中文正确排序呢？

先要弄清楚中文词典的排序规则：先按拼音排列，区分四声，拼音相同的就看笔画数目多少，笔画数也相同的再按笔顺中的具体笔划类型来区分，新华字典采用的顺序是一丨丿丶乙，也称作“天上人间”，应该没有笔划类型也完全一样的。所以中文排序不仅需要带音调的汉字拼音对照表，还需要有具体笔顺的数据。

本以为有现成的模块，试了几个都不理想。pyzh的转换代码只支持不到7千字，而且还没有音调。水木的roy的代码涵盖了2万多字符，但需要pysqlite支持......还是自立更生吧～

我找到最全的数据是slowwind上传到csdn的unicode汉字编码表（点击此处本站下载。），包括全部个汉字的全拼、五笔、郑码、UNICODE、GBK、笔画数部首，以及笔顺编号（拼音部分没有音调，而且个别注音有误，如 ?郑?g，??茸郑?褂眯枳⒁狻＃┪姨崛×似渲械谋仕呈?荩?钟媒?炯?摹笆涤煤鹤肿?匆簟背绦蛑谱髁?nicode汉字音调版，其中中文汉字用四声标注，个日韩汉字没有音调以示区别，并根据汉典的数据略作修正（但仍可能存在错误）。有了这两个对照表，下面的工作就简单了。

笔顺字典的处理方法也完全相同，虽然文本有两万行，导入还是很快的，0.5秒左右。如果把这两个文件合并起来统一处理，应该可以更快。

查找中文，一律转为UTF8字符串，汉字外的其他字符不做处理，原样输出。如果需要声母，只输出拼音的第一个字符就是了。只要资料准确，比较起来就很轻松了。数字在字母之前，爱（ai4）便会比昂（ang2）靠前，而笔顺值的位数代表了笔画数，数值对应笔划权重，直接比较数字大小就可以得到正确的顺序。代码如下：

现在我们就可以按照字典的规范给中文排序了。

终于得到了“李钱佘孙赵”，示例文件点此下载。

这里我没有考虑多音字的情况。如果想让程序自动识别，可以增加多音词组对照表，通过上下文来判断。我不知道哪里有这样的数据，反正对于多音字不太多的情形，手动调整也就够了。

PS：这里再为大家推荐2款比较实用的相关在线排序工具供大家参考使用：

在线中英文根据首字母排序工具： Socket编程技巧总结》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》、《Python入门与进阶经典教程》及《Python文件与目录操作技巧汇总》

希望本文所述对大家Python程序设计有所帮助。

python中requests小技巧关于Pythonrequests，在使用中，总结了一些小技巧把，记录下。1：保持请求之间的Cookies，我们可以这样做。2：请求时，会加上headers，一般我们会写成这

Python遍历文件夹和读写文件的实现方法需求分析1、读取指定目录下的所有文件2、读取指定文件，输出文件内容3、创建一个文件并保存到指定目录实现过程Python写代码简洁高效，实现以上功

python 3.5下xadmin的使用及修复源码bug 前言xadmin是一个django的管理后台实现，使用了更加灵活的架构设计及BootstrapUI框架，目的是替换现有的admin，国人开发，有许多新的特性：兼容DjangoAdmin

标签: python如何用