时间戳

首页 > 解决方案 > 如何在 python 3 中按本地语言排序拉丁语？

python-3.x - 如何在 python 3 中按本地语言排序拉丁语？

问题描述

在很多情况下，用户的语言不是“拉丁”脚本（例如：希腊语、俄语、中文）。在大多数情况下，排序是由

或者更具体的其余部分......：

是否可以根据脚本选择排序？

示例1：首先是中文脚本，然后是拉丁语-希腊语-阿拉伯语（甚至更多......）

示例 2：首先是希腊文，然后是拉丁文-阿拉伯文-中文（甚至更多......）

创建类似这些的最有效和最pythonic的方法是什么？（“任何”我的意思是简单的“选定的脚本优先”和 unicode 排序中的其余部分，或者更复杂的“选定的脚本优先”，然后是其余脚本的指定顺序）

标签： python-3.xsorting

解决方案

有趣的问题。这是一些根据第一个字符的书写系统对字符串进行分类的示例代码。

import unicodedata

words = ["Japanese",         # English
         "Nihongo",          # Japanese, rōmaji
         "にほんご",          # Japanese, hiragana
         "ニホンゴ",          # Japanese, katakana
         "日本語",            # Japanese, kanji
         "Японский язык",    # Russian
         "जापानी भाषा"        # Hindi (Devanagari)
]

def wskey(s):
    """Return a sort key that is a tuple (n, s), where n is an int based
    on the writing system of the first character, and s is the passed
    string. Writing systems not addressed (Devanagari, in this example)
    go at the end."""

    sort_order = {
        # We leave gaps to make later insertions easy
        'CJK' : 100,
        'HIRAGANA' : 200,
        'KATAKANA' : 200,  # hiragana and katakana at same level
        'CYRILLIC' : 300,
        'LATIN' : 400
    }

    name = unicodedata.name(s[0], "UNKNOWN")
    first = name.split()[0]
    n = sort_order.get(first, 999999);
    return (n, s)

words.sort(key=wskey)
for s in words:
    print(s)

在此示例中，我将平假名和片假名（两个日本音节）排序在同一级别，这意味着纯片假名字符串将始终排在纯平假名字符串之后。如果我们想对它们进行排序，使相同的音节（例如，に 和 ニ）排列在一起，那就更棘手了。

推荐阅读