中文排序的問題

adm

中文排序的問題

Subject:

[quote=本人已不在此站活動]
中文排序一直有點頭疼。
 
 
Big-5 碼是按筆劃排，但是次常用字會排在後面，也就是說筆劃少的次常用字，反而會排在筆劃多的常用字後面，例如『万』會排在『籲』後面去。
 
 
Unicode 則是依部首排，部首相同的才依筆劃數來排，這也不符合我們的需求。例如『正』會排在『果』後面去。
我們一般文書處理上，需要的是依筆畫數來排序。 
 
這在什麼地方要用到呢？就是書籍索引及參考文獻要用到。
 
 
我目前已依 Unihan.txt 整理出各漢字的筆劃數（但不完整，只有 27921
個字的統計資料），目前可以針對漢字求得其筆劃後用來排序，效果還可以，只是我用 ruby + sqlite
來寫，速度上不是很快就是了。不知道大家有沒有現成的 solution？
 
 
我主要是要用在 makeindex/mkindex 的地方。


我暫時把一些不成熟（有的部份還沒有完成，有的部份寫得很爛）的小工具放在 CLE，有興趣的朋友，可以先玩看看：
 
<a href="ftp://cle.linux.org.tw/tex/cjk/tools/index" target="_blank">ftp://cle.linux.org.tw/tex/cjk/tools/index</a><a href="ftp://cle.linux.org.tw/tex/cjk/tools/index" target="_blank">
</a> 
 
你要先安裝 ruby, rubygem-sqlite3(當然要先安裝 sqlite3), rubygem, ruby-iconv。 
 
 
那個 cstrokes.db，是由 builddb.rb 從 <a href="http://unicode.org/Public/UNIDATA/Unihan.txt" target="_blank" class="postlink">Unihan.txt</a> 來建立的，你也可以自行建立。adddb.rb/deldb.rb 可增刪這個資料庫內容。資料庫的結構可以參考原始碼的內容。放心，我是程式低能兒，不會寫複雜的東西。<img src="http://cle.linux.org.tw/forum/images/smiles/icon_biggrin.gif" border="0" alt="Very Happy" />
 
 
strokes.rb 可以計算某個字的筆劃數。chsort.rb 可以做中文排序（按筆劃數來排）。當然索引的部份尚需努力。
 
 
bg5-sortb5.txt/bg5-sortu8.txt 是一個排序的例子。你可以和系統上的 sort 比較一下排序的結果。 
 



ps.由於我針對的是 LaTeX CJK 的中文索引，所以，將來完成後，可能無法用在一般的排序上，所以，目前先暫時放出來，大家來吐嘈一下。<img src="tinymce/jscripts/tiny_mce/plugins/emotions/images/smiley-laughing.gif" border="0" alt="大笑" title="大笑" /> 

[/quote]

Use Shift-Enter(new line) to replace Enter(new paragraph) if necessary

Input characters on the left

Member login: E-mail or dispid password