Python列表中文排序：怎么使用sort()按拼音或笔画排序

在 Python 中，内置的 list.sort() 和 sorted() 默认依据字符的 Unicode 码点数值大小进行比较，导致中文列表排序既不符合拼音字母顺序，也不符合汉字笔画顺序。要实现符合中文阅读习惯的排序，核心做法是向 sort() 的 key 参数传递一个特征提取函数：按拼音排序时，可通过第三方库 pypinyin 或系统内置的 locale 模块将中文字符转为拼音音序；按笔画排序时，则通过汉字笔画映射表将字符转为由笔画数构成的多级数值元组。

一、为什么默认的 sort() 对中文无效

在 Python 中，如果直接调用 list.sort() 对纯英文字符串排序，结果会严格遵循字典字母顺序（如 A 到 Z）。然而，当对中文列表执行该操作时，往往会产生出乎意料的乱序结果：

# 默认直接排序的示例代码
names = ["张伟", "王芳", "李娜", "刘强", "阿敏"]
names.sort()
print(names)

按照中文拼音习惯，“阿敏”（A）应当排在最前，“张伟”（Z）应当排在最后；按照姓氏笔画习惯，“王芳”（4画）也应在“张伟”（7画）之前。但实际输出中，“刘强”排在首位，“阿敏”反而在最后。

产生这一现象的根本原因在于：Python 内部对于字符串的比对，逐字符采用其 Unicode 码点数值（Code Point）。我们通过内置函数 ord() 查看这几个字符的十进制与十六进制码点：

• '刘'：码点为 0x5218（十进制 21016）
• '张'：码点为 0x5F20（十进制 24352）
• '李'：码点为 0x674E（十进制 26446）
• '王'：码点为 0x738B（十进制 29579）
• '阿'：码点为 0x963F（十进制 38463）

Unicode 统一汉字编码表（CJK Unified Ideographs）主要依据部首和历史文献统筹收录，各个汉字的先后次序既不是拼音序，也不是笔画数序。因此，依赖默认比较逻辑，无法满足真实业务对中文次序的要求。

二、使用 sort(key=...) 的排序机制

Python 的 list.sort() 方法支持 key 参数。key 接收一个单参数函数，列表中的每个元素在参与排序比较前，都会先传入该函数计算出一个“特征值”（Key）。排序算法实际比较的是特征值的大小，排序完成后则保留原数据元素。

要实现自定义的中文排序，任务就清晰地拆解为：编写一个映射函数，把每个中文词条转换为代表其拼音或笔画权重的对象（如拼音字符串或由数字构成的元组）。

三、按拼音排序的实现方法

中文拼音排序有两种主流实现途径：一种是使用功能完善、跨平台无差异的第三方库 pypinyin；另一种是利用标准库的 locale 模块调用操作系统的语言环境。

方法 1：使用 pypinyin 库（推荐、跨平台一致）

pypinyin 是 Python 生态中处理汉语拼音的标准库。它能够精准将汉字转换为拼音，并支持音调、声母、韵母及多音字的处理。

首先在环境中安装该库：

pip install pypinyin

通过 pypinyin.lazy_pinyin 可以将中文字符串转换为拼音列表。将 lazy_pinyin 直接作为 sort(key=...) 的传入参数，即可实现标准的 A 到 Z 拼音升序排列：

from pypinyin import lazy_pinyin

names = ["张伟", "王芳", "李娜", "刘强", "阿敏", "安然"]

# 直接将 lazy_pinyin 函数作为 key 传递给 sort()
names.sort(key=lazy_pinyin)
print(names)

考虑声调的精细拼音排序

当两个词语的无声调拼音完全一致时（例如“李霞”与“李夏”，无声调拼音均为 li xia），若希望进一步按照声调（一声、二声、三声、四声）严格排序，可以使用 Style.TONE3 样式，将声调转化为数字后缀（如 xia2、xia4）：

from pypinyin import pinyin, Style

def pinyin_with_tone_key(word):
    # 将每个汉字转换为带声调数字的拼音列表，例如 '霞' -> 'xia2'
    raw = pinyin(word, style=Style.TONE3)
    return [item[0] for item in raw]

names = ["李夏", "李霞", "李峡"]
names.sort(key=pinyin_with_tone_key)
print(names)

输出结果中，“峡”（xiá，二声，标记为 xia2）、“霞”（xiá，二声，标记为 xia2）、“夏”（xià，四声，标记为 xia4）实现了声调层面的精确排布。

方法 2：使用标准库 locale（无外部依赖）

如果运行环境处于严格受限的离线服务器，不允许通过 pip 安装第三方库，可以采用 Python 标准库提供的 locale 模块。

locale.strxfrm 会根据当前进程设置的区域字符规则，将字符串转译为一个用于直接比较的系统字节序列。代码如下：

import locale

# 设置区域为简体中文 UTF-8
locale.setlocale(locale.LC_COLLATE, 'zh_CN.UTF-8')

names = ["张伟", "王芳", "李娜", "刘强", "阿敏"]
names.sort(key=locale.strxfrm)
print(names)

四、按笔画排序的实现方法

在诸多正式场景（例如政府公文、选举投票名单、学术会议代表花名册、出版物编委会名单）中，中文姓名通常要求按照“姓氏笔画为序”进行排列。

Unicode 和 Python 标准库均未直接附带每个汉字的笔画属性。要实现按笔画排序，需要引入汉字到笔画数的映射表。

1. 笔画排序的规则体系

标准汉字笔画排序通常遵循以下三级比较规则：

1. 第一级（首字笔画数）：汉字笔画较少的字排在前面（如“王”4画排在“张”7画前）。
2. 第二级（后续字笔画数）：首字笔画相同时，依次比较第二字、第三字的笔画数。
3. 第三级（同笔画平局决胜）：各字笔画数均完全相同的情况下，按国家规范的笔形顺序（横、竖、撇、点、折）或汉语拼音字母顺序决胜。

2. 笔画排序的完整代码实现

下面我们构建一个具备实用性的笔画排序示例。在实际项目中，笔画数据库通常存储于 JSON 文件或 SQLite 中（覆盖常用 3500 到 7000 个现代汉语常用字）。代码中使用字典封装常用字笔画数，并构建复合元组作为 key：

# 常用汉字笔画映射字典（节选代表性汉字）
STROKE_DICT = {
    '丁': 2, '七': 2,
    '三': 3, '于': 3, '万': 3,
    '王': 4, '云': 4, '井': 4, '方': 4,
    '白': 5, '立': 5, '包': 5,
    '刘': 6, '华': 6, '伟': 6, '江': 6,
    '李': 7, '张': 7, '陈': 7, '吴': 7, '芳': 7,
    '周': 8, '林': 8, '赵': 8, '金': 8,
    '胡': 9, '柯': 9, '钟': 9,
    '徐': 10, '高': 10, '郭': 10,
    '黄': 11, '曹': 11, '梁': 11,
    '强': 12, '彭': 12,
}

def get_char_strokes(char):
    """查询单个汉字的笔画数，未收录字符返回极大值以排在末尾"""
    return STROKE_DICT.get(char, 99)

def stroke_sort_key(word):
    """
    构造笔画排序特征值元组：
    第一部分：每个字的笔画数元组，例如 "王芳" -> (4, 7)
    第二部分：词条本身，用于笔画数完全相同时保持确定性
    """
    strokes = tuple(get_char_strokes(char) for char in word)
    return (strokes, word)

names = ["张伟", "王芳", "李芳", "刘强", "白立", "丁一"]
# 执行排序
names.sort(key=stroke_sort_key)
print(names)

通过该输出，各名字首字笔画依次为：丁（2画）＜ 王（4画）＜ 白（5画）＜ 刘（6画）＜ 李（7画）与 张（7画）。对于“李芳”与“张伟”，两者首字笔画相同（7画），接着比较第二字笔画：芳（7画）与 伟（6画），因而“张伟”紧随“李芳”。

五、两种排序模式的综合对比与选型指南

根据项目要求与受众习惯，选择正确的中文排序逻辑至关重要。下表梳理了各类方案的核心差异：

六、核心总结与注意事项

1. 不要原地直接 list.sort()：直接排序只能得到无语义的 Unicode 码点顺序。务必传递 key 参数。
2. 区分原地排序与新列表生成：names.sort(key=...) 会在原列表上原地修改，返回值为 None；如果需要保留原列表不变并生成一个排好序的新列表，应使用 sorted(names, key=...)。
3. 多音字的边界情况：人名中存在罕见多音字（如“单”、“区”、“查”作为姓氏时分别读 shàn、ōu、zhā）。若应用场景对姓名准确性要求极高，pypinyin 支持自定义词典注入（通过 load_single_dict 或 load_phrases_dict），可以在调用排序前精准修正姓氏发音。