有没有按非英文字母排序的标准方法？例如，罗马尼亚字母表是“a â b c ...” [重复]

Posted 2023-02-24

【中文标题】有没有按非英文字母排序的标准方法？例如，罗马尼亚字母表是“a â b c ...” [重复]

【英文标题】：Is there a standard way to sort by a non-english alphabet? For example, the romanian alphabet is "a ă â b c..." [duplicate]

【发布时间】：2011-08-28 17:58:22

【问题描述】：

可能重复：How do I sort unicode strings alphabetically in Python?

作为世界其他地区的公民，我对计算机默认不适应处理国际问题这一事实感到非常恼火。许多网站仍然不使用 Unicode，php 仍处于黑暗时代。

当我想对罗马尼亚语中的单词或名称列表进行排序时，我总是必须编写自己的函数，这几乎没有效率。一定有一些区域设置可以让排序函数遵循指定语言的字母顺序，对吧？

我主要对 Python、Java 和 javascript 感兴趣。

编辑：正如 Chris Morgan 所指出的，我找到了 Python here 的答案。

【问题讨论】：

嗯，你不能获取UTF-8中的字节值并按照那个排序吗？我的意思是，大多数排序函数都遵循你给它们的比较器的顺序，你可以定义任何你喜欢的方式......

没有。在 Unicode 中，'z' 位于 'ă' 之前。这就是重点。

我意识到重复只处理 Python，但也有 Java 的 ICU - 虽然没有 JavaScript 版本。

是的，你是对的，克里斯。我的搜索技能找不到那个。我找到了 Python 的答案：设置语言环境，然后设置 theList.sort(cmp = locale.strcoll)。

更糟糕的是，有时单独的字符不足以进行排序。例如，在匈牙利语中，单词“csiga”（蜗牛）出现在 “cukor”（糖）之后，而不是之前。为什么？因为“cs”被认为是一个字母，即使它用两个字形表示。

【参考方案1】：

在 Python 中，您始终可以使用带键参数的排序函数。例如，在土耳其语中，我们有 'ç'、'ı'、'ş' 等字母。如果我想根据该字母排序，我会使用对字母进行排序的键字符串，并根据排序字符串这个，像这样：

>>> letters="abcçdefgğhıijklmnoöprsştuüvyz" #Turkish alphabet
>>> sorted("açobzöğge")
['a', 'b', 'e', 'g', 'o', 'z', 'ç', 'ö', 'ğ'] #Python's default
>>> sorted("açobzöğge", key=lambda i: letters.index(i))
['a', 'b', 'ç', 'e', 'g', 'ğ', 'o', 'ö', 'z'] #With key parameter

注意：使用 Python 3；处理 Unicode 更容易。

编辑，正如cmets所说，如果我们使用字典，这个过程会更有效：

>>> letters="abcçdefgğhıijklmnoöprsştuüvyz"
>>> d=i:letters.index(i) for i in letters
>>> sorted("açobzöğge", key=d.get)
['a', 'b', 'ç', 'e', 'g', 'ğ', 'o', 'ö', 'z']

【讨论】：

我认为这正是他所说的hardly efficient。

我不认为它是那么低效。而且我认为没有更有效的代码（也许是一些小的调整）。

多次使用index比准备字典映射字母到整数效率低。

这是低效的，因为 letters.index(i) 查找是 O(n) - 这是在一个紧密的循环中调用的。您可能想先将它添加到字典中，然后像这样查找它。

谢谢，用字典编辑答案。

【参考方案2】：

没有适用于所有语言的单一、统一的排序算法，因为许多语言都有非常具体的排序规则。

它甚至更进一步：即使在一种语言中，排序算法也会根据其用途而有所不同（例如，德语词典的排序与电话簿略有不同）。

整个话题被称为Collation。 Collating sequence 上的***文章也是相关的。

似乎有一个项目可以为多种语言实现正确的排序规则，名为python-collate。