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=utf8char=['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=gb2312char=['趙','錢','孫','李','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 囍，猤，啹等字，使用需注意。）我提取了其中的筆順數據，又用江志鍵的“實用漢字轉拼音”程序制作了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。