cn_sort——按拼音和笔顺快速排序大量中文词组的 Python 库 [新人求 star]
bmxbmx3 · bmxbmx3 · 2021-03-09 00:58:03 +08:00 · 1471 次点击这是一个创建于 1359 天前的主题，其中的信息可能已经有所发展或是发生改变。
项目地址在这里：github.com/bmxbmx3/cn_sort 。
cn_sort 库是一个基于 jieba+pypinyin 的中文排序库，可精确按拼音和笔顺快速排序大量中文词组（支持百万级数量），同时解决令人头疼的多音字问题，为了兼具通用性，cn_sort 库拓展收录了大小写英文字母、数字、标点等符号（未来将会考虑收录更多特殊符号），支持中英文混排。
目前分两种排序模式：模式一，先按拼音再按笔顺；模式二，只按笔顺。
词组量少时，单独采用 pypinyin 识别或自带的笔顺库作参照进行排序。当词组量多时，特别是遇到较长的词组，如“中国人民银行”，采用 jieba 切词构建索引表+多进程的方式加快排序速度。目前词组量的排序阈值默认设为 100000，可根据需要自由调节。
cn_sort 库目前已在 pypi 发布，可 pip 安装（支持 python3.6+）。未来将开发基于不同语言的 cn_sort 库（如 java/js 等）。
新人码字不易，欢迎大家来 Star，Fork 或者提 Issue 哦。
有什么问题或者建议欢迎在下面回复。
谢谢啦~
cn_sort 库是一个基于 jieba+pypinyin 的中文排序库，可精确按拼音和笔顺快速排序大量中文词组（支持百万级数量），同时解决令人头疼的多音字问题，为了兼具通用性，cn_sort 库拓展收录了大小写英文字母、数字、标点等符号（未来将会考虑收录更多特殊符号），支持中英文混排。
目前分两种排序模式：模式一，先按拼音再按笔顺；模式二，只按笔顺。
词组量少时，单独采用 pypinyin 识别或自带的笔顺库作参照进行排序。当词组量多时，特别是遇到较长的词组，如“中国人民银行”，采用 jieba 切词构建索引表+多进程的方式加快排序速度。目前词组量的排序阈值默认设为 100000，可根据需要自由调节。
cn_sort 库目前已在 pypi 发布，可 pip 安装（支持 python3.6+）。未来将开发基于不同语言的 cn_sort 库（如 java/js 等）。
新人码字不易，欢迎大家来 Star，Fork 或者提 Issue 哦。
有什么问题或者建议欢迎在下面回复。
谢谢啦~
 |
1
lovestudykid 2021-03-09 01:59:34 +08:00
👍。第一个想到的是 TotalCommander 中文文件名匹配，现在没这个功能
|
 |
2
bmxbmx3 OP @lovestudykid 后面 cn_sort 库改版计划中会考虑加入中文匹配的部分，可能是个挑战哈哈
|
Select Language