Python中如何排序带有重音字符的字符串

Question

可能是重复问题：
Python不正确地对Unicode进行排序。Strcoll没有帮助。

我正在尝试按字母顺序排序一些单词。这是我如何做到的：

#!/opt/local/bin/python2.7
# -*- coding: utf-8 -*-

import locale

# Make sure the locale is in french
locale.setlocale(locale.LC_ALL, "fr_FR.UTF-8")
print "locale: " + str(locale.getlocale())

# The words are in alphabetical order
words = ["liche", "lichée", "lichen", "lichénoïde", "licher", "lichoter"]

for word in sorted(words, cmp=locale.strcoll):
    print word.decode("string-escape")

我期望的是单词按照它们定义的顺序打印出来，但实际情况却是这样的：

locale: ('fr_FR', 'UTF8')
liche
lichen
licher
lichoter
lichée
lichénoïde

é字符被视为大于z。

我好像误解了locale.strcoll是如何比较字符串的。我应该使用哪个比较函数来按字母顺序对单词进行排序？

- 0xced

---

看起来它运行正常。我看不到“z”。 - Jiří Polcar

这个例子中没有 z，但是 é 出现在 o 之后，这不是字母顺序。 - 0xced

我刚刚尝试了使用Python 2.6.1（这是Snow Leopard默认安装的版本），但它没有按预期排序。 - 0xced

在/System/Library/Frameworks/Python.framework/Versions/2.6/lib/python2.6/locale.py中实现的strcoll只是简单地使用return cmp(a, b)。你的呢？ - 0xced

@0xced：这是一个后备方案，如果无法导入“_locale”（这将是编译代码），至少在我的Linux系统上是这样。 - Thomas K

Answer 1

我最终选择了去除变音符号并比较字符串的削减版本，这样我就不必添加PyICU依赖。

- 0xced