如何在Perl或任何其他编程语言中对CJK(亚洲)字符进行排序？

发布时间：2020-12-15 21:16:46 所属栏目：大数据来源：网络整理

导读：你如何在Perl中对中文,日文和韩文(CJK)字符进行排序？据我所知,按行程计数排序CJK字符,然后按激进排序,似乎是这些语言的排序方式.还有一些按声音排序的方法,但这似乎不太常见. 我尝试过使用： perl -e 'print join(" ",sort qw(工然一人三古二 )),"n

你如何在Perl中对中文,日文和韩文(CJK)字符进行排序？

据我所知,按行程计数排序CJK字符,然后按激进排序,似乎是这些语言的排序方式.还有一些按声音排序的方法,但这似乎不太常见.

我尝试过使用：

perl -e 'print join(" ",sort qw(工 然 一 人 三 古 二 )),"n";'
# Prints: 一 三 二 人 古 工 然 which is incorrect

我尝试过使用CPAN的Unicode :: Collat??e,但它说：

By default,CJK Unified Ideographs are
ordered in Unicode codepoint order…

如果我能得到每个字符的笔画计数数据库,我可以很容易地对所有字符进行排序,但这似乎不是Perl所带来的,也不是封装在我能找到的任何模块中.

如果你知道如何用其他语言对CJK进行排序,那么在这个问题的答案中提及它会很有帮助.

解决方法

有关脏细节和拐角情况,请参阅 TR38.它并不像您想象的那么容易,而且这个代码示例看起来像.

use 5.010;
use utf8;
use Encode;
use Unicode::Unihan;
my $u = Unicode::Unihan->new;

say encode_utf8 sprintf "Character $_ has the radical #%s and %d residual strokes.",split /[.]/,$u->RSUnicode($_) for qw(工 然 一 人 三 古 二);
__END__
Character 工 has the radical #48 and 0 residual strokes.
Character 然 has the radical #86 and 8 residual strokes.
Character 一 has the radical #1 and 0 residual strokes.
Character 人 has the radical #9 and 0 residual strokes.
Character 三 has the radical #1 and 2 residual strokes.
Character 古 has the radical #30 and 2 residual strokes.
Character 二 has the radical #7 and 0 residual strokes.

有关从根序数到笔画数的映射,请参阅http://en.wikipedia.org/wiki/List_of_Kangxi_radicals.

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!