本文實例講述了Python實現針對中文排序的方法。分享給大家供大家參考，具體如下：

Python比較字符串大小時，根據的是ord函數得到的編碼值。基于它的排序函數sort可以很容易為數字和英文字母排序，因為它們在編碼表中就是順序排列的。

>> print ','< '1'<'A'<'a'<'阿'

True

但要很處理中文就沒那么容易了。中文通常有拼音和筆畫兩種排序方式，在最常用中文標準字符集GB2312中，3755個一級中文漢字是按照拼音序進行編碼的，而3008個二級漢字則是按部首筆畫排列，

>> print '曙'< '鮭','曾'<'怡'

True True

出現這樣的結果是因為‘曙'和‘曾'都是常用字，而‘鮭'和‘怡'都是次常用字，但無論從筆畫還是拼音來看，這兩對順序都應該反過來。后來擴充的GBK和GB18030編碼為了向下兼容，都沒有更改之前的漢字順序，于是sort之后的次序就很亂了。

另一方面unicode編碼的中文是按《康熙字典》的偏旁部首和筆畫數來排列的，所以排序結果和GB編碼又不一樣。

# encoding=utf8

char=['趙','錢','孫','李','佘']

char.sort()

for item in char:

print item.decode('utf-8').encode('gb2312')

輸出是："佘孫李趙錢"；而保存成gb2312編碼后

# encoding=gb2312

char=['趙','佘']

char.sort()

for item in char:

print item

輸出是：“李錢孫趙佘”。顯然，這兩個結果都不是我們想要的。那我們究竟怎樣才能對中文正確排序呢？

先要弄清楚中文詞典的排序規則：先按拼音排列，區分四聲，拼音相同的就看筆畫數目多少，筆畫數也相同的再按筆順中的具體筆劃類型來區分，新華字典采用的順序是一丨丿丶乙，也稱作“天上人間”，應該沒有筆劃類型也完全一樣的。所以中文排序不僅需要帶音調的漢字拼音對照表，還需要有具體筆順的數據。

本以為有現成的模塊，試了幾個都不理想。pyzh的轉換代碼只支持不到7千字，而且還沒有音調。水木的roy的代碼涵蓋了2萬多字符，但需要pysqlite支持......還是自立更生吧～

我找到最全的數據是slowwind9999上傳到csdn的unicode漢字編碼表（點擊此處本站下載。），包括全部20902個漢字的全拼、五筆、鄭碼、UNICODE、GBK、筆畫數 部首，以及筆順編號（拼音部分沒有音調，而且個別注音有誤，如 鄭g，茸鄭褂瞇枳⒁狻＃┪姨崛×似渲械謀仕呈藎鐘媒炯摹笆滌煤鶴腫匆簟背絳蛑譜髁unicode漢字音調版，其中中文漢字用四聲標注，319個日韓漢字沒有音調以示區別，并根據漢典的數據略作修正（但仍可能存在錯誤）。有了這兩個對照表，下面的工作就簡單了。

# 建立拼音辭典

dic_py = dict()

f_py = open('py.txt','r')

content_py = f_py.read()

lines_py = content_py.split('\n')

n=len(lines_py)

for i in range(0,n-1):

word_py,mean_py = lines_py[i].split('\t',1)

dic_py[word_py]=mean_py

f_py.close()

筆順字典的處理方法也完全相同，雖然文本有兩萬行，導入還是很快的，0.5秒左右。如果把這兩個文件合并起來統一處理，應該可以更快。

# 辭典查找函數

def searchdict(dic,uchar):

if isinstance(uchar,str):

uchar = unicode(uchar,'utf-8')

if uchar >= u'\u4e00' and uchar < = u'\u9fa5':

value=dic.get(uchar.encode('utf-8'))

if value == None:

value = '*'

else:

value = uchar

return value

查找中文，一律轉為UTF8字符串，漢字外的其他字符不做處理，原樣輸出。如果需要聲母，只輸出拼音的第一個字符就是了。只要資料準確，比較起來就很輕松了。數字在字母之前，愛（ai4）便會比昂（ang2）靠前，而筆順值的位數代表了筆畫數，數值對應筆劃權重，直接比較數字大小就可以得到正確的順序。代碼如下：

#比較單個字符

def comp_char_PY(A,B):

if A==B:

return -1

pyA=searchdict(dic_py,A)

pyB=searchdict(dic_py,B)

if pyA > pyB:

return 1

elif pyA < pyB:

return 0

else:

bhA=eval(searchdict(dic_bh,A))

bhB=eval(searchdict(dic_bh,B))

if bhA > bhB:

return 1

elif bhA < bhB:

return 0

else:

return 'Are you kidding?'

#比較字符串

def comp_char(A,B):

charA = A.decode('utf-8')

charB = B.decode('utf-8')

n=min(len(charA),len(charB))

i=0

while i < n:

dd=comp_char_PY(charA[i],charB[i])

if dd == -1:

i=i+1

if i==n:

dd=len(charA)>len(charB)

else:

break

return dd

# 排序函數

def cnsort(nline):

n = len(nline)

lines='\n'.join(nline)

for i in range(1,n): #插入法

tmp = nline[i]

j = i

while j > 0 and comp_char(nline[j-1],tmp):

nline[j] = nline[j-1]

j -= 1

nline[j] = tmp

return nline

現在我們就可以按照字典的規范給中文排序了。

char=['趙','佘']

char=cnsort(char)

for item in char:

print item.decode('utf-8').encode('gb2312')

終于得到了“李錢佘孫趙”，示例文件點此下載。

這里我沒有考慮多音字的情況。如果想讓程序自動識別，可以增加多音詞組對照表，通過上下文來判斷。我不知道哪里有這樣的數據，反正對于多音字不太多的情形，手動調整也就夠了。

PS：這里再為大家推薦2款比較實用的相關在線排序工具供大家參考使用：

希望本文所述對大家Python程序設計有所幫助。

總結

以上是生活随笔為你收集整理的python编程单词排序_Python实现针对中文排序的方法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。