cn_sort
按拼音和笔顺精确、快速排序大量简体中文词组。
支持百万数量级排序，有效解决多音字混排问题，中英文混用词组同样适用。
Features
- 两种排序模式：拼音+笔顺（默认）或纯笔顺
- 多音字智能处理：基于上下文自动区分多音字优先级（如"重庆"和"重要"）
- 大规模多进程加速：词组量超过阈值时自动切换多进程模式
- 中英文混排：非中文字符（字母、数字、标点）排在汉字前面
- 简单易用：一行代码完成排序
Installation
pip install cn-sort
Quick Start
from cn_sort import sort_text_list, Mode
# 按拼音排序（默认）
words = ['唯依', '唯衣', '唯一', '啊']
result = sort_text_list(words)
print(result) # ['啊', '唯一', '唯衣', '唯依']
# 按笔顺排序
result = sort_text_list(['三', '二', '一', '一二'], mode=Mode.BIHUA)
print(result) # ['一', '一二', '二', '三']
# 多音字自动处理
result = sort_text_list(['重要', '重庆'])
print(result) # ['重庆', '重要']
Sorting Modes
| Mode | Description | Example Input | Example Output |
|---|---|---|---|
Mode.PINYIN |
按拼音再按笔顺（默认） | ['三','一','二'] |
['二','三','一']（er < san < yi） |
Mode.BIHUA |
仅按笔顺 | ['三','一','二'] |
['一','二','三']（1画<2画<3画） |
Pinyin Sort Flow
Stroke Order Sort
API Reference
sort_text_list(text_list, freeze=False, threshold=100000, mode=Mode.PINYIN)
对汉字词组列表排序。
| Parameter | Type | Default | Description |
|---|---|---|---|
text_list |
list[str] |
— | 待排序词组列表 |
freeze |
bool |
False |
Windows 下非 if __name__ == '__main__' 调用时设 True |
threshold |
int |
100000 |
超过此数量时启用多进程 |
mode |
Mode |
Mode.PINYIN |
排序模式 |
Returns: 排序后的 list[str]
set_stdout_level(level)
设置终端日志输出级别。level 可选："DEBUG" / "INFO" / "WARN" / "ERROR" / "CRITICAL"。
How It Works
算法思路
cn_sort 基于基数排序（LSD Radix Sort），将词组转换为优先级整数数组，再逐列稳定排序。
- 建立优先级表：预先收集 2 万多个汉字的拼音与笔顺，生成
all_word.json（以空间换时间，哈希查询 O(1)） - 词→优先级元组：每个词中每个字通过拼音签名（如
人_ren2）查表，得到整数优先级 - LSD 基数排序：从最低位（最后一字）到最高位（第一字），逐列使用 Python timsort 稳定排序
- 多音字处理：
pypinyin结合词语上下文自动选择正确读音
多进程架构（大规模模式）
当词组数量超过 threshold（默认 10 万）时，自动启用多进程生产者-消费者架构：
- 生产者进程（CPU 核数 - 1 个）：jieba 分词，过滤重复词，推入各自独立的 Queue
- 消费者进程（1 个）：从所有队列收集词，批量查询优先级表，建立映射缓存
- 主进程：汇总分段结果，应用映射，最终排序
优先级表结构
Performance
- 小规模（< 1000 词）：单进程，毫秒级
- 中规模（1 万词）：约 0.18s
- 大规模（100 万词）：启用多进程，利用全部 CPU 核心
多音字示例
Dependencies
Contributing
欢迎提交 Issue 和 Pull Request！
- Fork 本仓库
- 创建功能分支：
git checkout -b feature/your-feature - 提交修改：
git commit -m 'feat: add your feature' - 推送分支：
git push origin feature/your-feature - 开启 Pull Request
License
MIT License. See LICENSE for details.
1 maintainer
Download files
Download the file for your platform. If you're not sure which to choose, learn more about installing packages.
Source Distribution
cn_sort-0.10.0.tar.gz
(472.3 kB
view details)
Built Distribution
Filter files by name, interpreter, ABI, and platform.
If you're not sure about the file name format, learn more about wheel file names.
Copy a direct link to the current filters
cn_sort-0.10.0-py3-none-any.whl
(495.5 kB
view details)
File details
Details for the file cn_sort-0.10.0.tar.gz.
File metadata
- Download URL: cn_sort-0.10.0.tar.gz
- Upload date:
- Size: 472.3 kB
- Tags: Source
- Uploaded using Trusted Publishing? No
- Uploaded via:
twine/7.0.0 CPython/3.12.7
File hashes
| Algorithm | Hash digest | |
|---|---|---|
| SHA256 |
ff6fff4b08c60b7ba46364d05ed8f02ff4acf8afe9d670042c8d790a7aa42631
|
|
| MD5 |
43a06f58e5ecbf71e5f557e1b61a9410
|
|
| BLAKE2b-256 |
c7602ff9c67c542c245ff0750913fa7d2a989f3832b828f1bfd8c7df7bebfd43
|
File details
Details for the file cn_sort-0.10.0-py3-none-any.whl.
File metadata
- Download URL: cn_sort-0.10.0-py3-none-any.whl
- Upload date:
- Size: 495.5 kB
- Tags: Python 3
- Uploaded using Trusted Publishing? No
- Uploaded via:
twine/7.0.0 CPython/3.12.7
File hashes
| Algorithm | Hash digest | |
|---|---|---|
| SHA256 |
ad979dc214f03f6849e6c5a77ee583bbbc032a39d82bb53452bda6a9ff9969a2
|
|
| MD5 |
3407a2b89d14f55fd7c23546996573c5
|
|
| BLAKE2b-256 |
8a1f9d550578f8020f67bfbf205f6cf813d9b6f1176d4af8583ed729c7acc222
|
