V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
爱意满满的作品展示区。
bmxbmx3
V2EX  ›  分享创造

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 · 1442 次点击
    这是一个创建于 1342 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~
    lovestudykid
        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
    bmxbmx3
        2
    bmxbmx3  
    OP
       2021-03-09 18:31:13 +08:00
    @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
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   实用小工具   ·   1176 人在线   最高记录 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 22ms · UTC 23:54 · PVG 07:54 · LAX 15:54 · JFK 18:54
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.