起因
本人现在所在的公司是由香港人开办的,也是做做香港业务,一个车辆管理系统后台,也包括司机等人员管理。突然有一天,老板说我们的列表找司机不够人性化,不符合用户习惯。因为我们Python对中文排序默认是按照Unicode编码来排序的,很正常嘛,一般都喜欢希望按照拼音来排序。然后我就惊呆了:香港人不会拼音… 那按照五笔排序?也不是,他们要按照汉字的笔画数量排序,笔画少的,排在前面。
额…(靓仔语塞.jpg)
不过既然老板需要,那还是要搞起来的
如果不是做香港业务,我可能永远也不会想到中文排序除了【按照拼音排序】,【按五笔排序】之外,还有什么什么排序。
香港人打字不用拼音,他们用仓颉输入法
实现
思路
首先百度了一大圈,即使强如Python,也没有现成可用的第三方库可用,不过有些思路和代码片段,但是都不怎么完善,需要自己实现。
首先要找一个文件,包含所有汉字,并且有每个汉字对应的笔画数,然后构造成一个字典,字典的键是汉字,值是对应的笔画数。之后计算汉字的笔画数时,就到字典中去取就可以了。
最难找的就是找个汉字对照表文件了,找到了下载还有层层限制,要各种下载币
代码实现
所需用到的字典文件放到gitlab
中了,有需要的可自行下载
汉字对照表地址:https://github.com/WuChengqian520/codeSnippet.git
代码如下:
from typing import Iterable, Callable, Union
# 加载汉字笔画对照文件,参考同级目录下的 chinese_unicode_table.txt 文件格式
chinese_char_map = {}
with open('./chinese_unicode_table.txt', 'r', encoding='UTF-8') as f:
lines = f.readlines()
for line in lines[6:]: # 前6行是表头,去掉
line_info = line.strip().split()
# 处理后的数组第一个是文字,第7个是笔画数量
chinese_char_map[line_info[0]] = line_info[6]
def __sort_by_strokes_core(words: Iterable) -> int:
"""
统计字符串中所有文字的笔画总数
:param words: 需要统计的字符串
:return: 笔画总数
"""
strokes = 0
for word in words:
if 0 <= ord(word) <= 126: # 数字,英文符号范围
strokes += 1
elif 0x4E00 <= ord(word) <= 0x9FA5: # 常用汉字Unicode编码范围4E00-9FA5,20902个字
strokes += int(chinese_char_map.get(word, 1))
else: # 特殊符号字符一律排在最后
strokes += 1
return strokes
def __sort_by_sequence_core(words: Iterable) -> Iterable[int]:
"""
计算字符串中各个字符的优先级,组成数组返回,用于后面排序,
优先排数字,再拍英文字母,最后排汉字, 为了确保汉字排在后面,所有汉字在笔画数量基础上再 +1000
:param words: 需要统计的字符串
:return: 字符串中字符笔画数列表
"""
weight = []
for word in words:
if 0 <= ord(word) <= 126: # 数字,英文符号范围
weight.append(ord(word))
elif 0x4E00 <= ord(word) <= 0x9FA5: # 常用汉字Unicode编码范围4E00-9FA5,20902个字
weight.append(1000 + int(chinese_char_map.get(word, 0)))
else: # 特殊符号字符一律排在最后
weight.append(99999)
return weight
def sort_by_strokes(object_list: Iterable,
model: str = 'sequence',
key: Union[Callable, None] = None,
reverse=False
) -> Iterable:
"""
根据笔画数量对中文字符串进行排序
:param object_list: 文字字符串列表
:param model: 排序模式,sequence--按照文字笔画依次排序, total--按照笔画总数排序,默认:sequence
:param key: 文字字符串列表
:param reverse: 倒序排序
:return: 排序后的字符串列表
>>> name_list = ['张三', '李四', '王五', '赵六', '尼古拉丁', '周吴郑王']
>>> print(sort_by_strokes(name_list))
['王五', '尼古拉丁', '张三', '李四', '周吴郑王', '赵六']
"""
assert model in ['sequence', 'total'], '仅支持【sequence】和【total】两种模式'
if model == 'sequence':
_core_function = __sort_by_sequence_core
else:
_core_function = __sort_by_strokes_core
__order_key = '__sort_weight'
sorted_obj = []
for obj in object_list:
words = key(obj) if key else obj
assert isinstance(words, Iterable), '用于排序的对象必须是一个可迭代对象, 其他类型请自行实现!'
strokes = _core_function(words)
# 构建一个新的字典,用于存放排序对象和排序权重,后面根据权重进行排序后再取出对象
sorted_obj.append({'obj': obj, __order_key: strokes})
sorted_words = sorted(sorted_obj, key=lambda x: x[__order_key], reverse=reverse)
# 取出排序后的对象
sorted_words = [item['obj'] for item in sorted_words]
return sorted_words
if __name__ == '__main__':
peoples = ['张三', '李四', '王五', '赵六', '尼古拉丁', '周吴郑王']
print('普通排序:', sort_by_strokes(peoples))
print('倒序排序:', sort_by_strokes(peoples, reverse=True))
print('按照笔画总数排序:', sort_by_strokes(peoples, model='total'))
students = [
{'name': '王梓涵', 'sex': '男', 'age': 12, 'grade': 60},
{'name': '周小静', 'sex': '女', 'age': 13, 'grade': 99},
{'name': '张靓颖', 'sex': '女', 'age': 11, 'grade': 80},
{'name': '欧阳晓晓', 'sex': '女', 'age': 14, 'grade': 67},
{'name': '东方不败', 'sex': '男', 'age': 13, 'grade': 72},
{'name': '周一天', 'sex': '男', 'age': 15, 'grade': 72},
{'name': '♂卐', 'sex': '男', 'age': 13, 'grade': 72},
]
print('字典排序:', sort_by_strokes(students, key=lambda x: x['name']))
排序示例:
普通排序: ['王五', '尼古拉丁', '张三', '李四', '周吴郑王', '赵六']
倒序排序: ['赵六', '周吴郑王', '李四', '张三', '尼古拉丁', '王五']
按照笔画总数排序: ['王五', '张三', '李四', '赵六', '尼古拉丁', '周吴郑王']
字典排序: [{'name': '王梓涵', 'sex': '男', 'age': 12, 'grade': 60}, {'name': '东方不败', 'sex': '男', 'age': 13, 'grade': 72}, {'name': '张靓颖', 'sex': '女', 'age': 11, 'grade': 80}, {'name': '周一天', 'sex': '男', 'age': 15, 'grade': 72}, {'name': '周小静', 'sex': '女', 'age': 13, 'grade': 99}, {'name': '欧阳晓晓', 'sex': '女', 'age': 14, 'grade': 67}, {'name': '♂卐', 'sex': '男', 'age': 13, 'grade': 72}]