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]

2021-03-09 00:58:03 +08:00
 bmxbmx3
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~
1469 次点击
所在节点    分享创造
2 条回复
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
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

这是一个专为移动设备优化的页面(即为了让你能够在 Google 搜索结果里秒开这个页面),如果你希望参与 V2EX 社区的讨论,你可以继续到 V2EX 上打开本讨论主题的完整版本。

https://www.v2ex.com/t/759795

V2EX 是创意工作者们的社区,是一个分享自己正在做的有趣事物、交流想法,可以遇见新朋友甚至新机会的地方。

V2EX is a community of developers, designers and creative people.

© 2021 V2EX