關於C語言中漢字排序的問題？

01-05

今天做到一個題，要求輸入學生名字以及成績並進行相應操作。其中一個小題是讓以姓名的字典順序排序，經查詢後得知可以strcmp實現，因此想請問一下漢字排序的原理是什麼？

這個和漢字的編碼方式有關，gb2312下一級漢字確實是按拼音排序，二級漢字按照偏旁部首排序；日文shiftjis的一級漢字是按漢字的最常用音讀（音讀不常用的漢字則用其最常用的訓讀）五十音排序，二級漢字則是按偏旁部首；而至於unicode，它的排序是完全無視其讀音的。

中國人名排序還有個問題，有時候會出現本來讀音相同或相似的漢字卻在不同區域，比如」鍾「和」鍾「讀音相似，但後者卻在gbk擴展區，碼位十萬八千里；大多數「閆」都是「閻」家的，但「閻」是一級漢字，「閆」是二級漢字。還有，就算在一級漢字區，其根據的讀音不一定是其漢字做姓氏時的讀音。比如大多數「肖」都是「蕭」家的，但gb2312里後者排在前者前面，當是取了「不肖」那個讀音。

Windows API：

int CompareString( _In_ LCID Locale, _In_ DWORD dwCmpFlags, _In_ LPCTSTR lpString1, _In_ int cchCount1, _In_ LPCTSTR lpString2, _In_ int cchCount2 );

支持指定 locale 的字元串比較，選擇

LANG_CHINESE_SIMPLIFIEDSUBLANG_CHINESE_SIMPLIFIED

作為locale id就是拼音排序了

Unicode 的漢字是部首排序的，而且用的是康熙字典的部首……

所以還是老老實實上 unihan 的資料庫吧

並不完全正確。只有GB2312編碼的一級編碼情況下，因為漢字編碼等長，且編碼表本身大體都是按照拼音排序的，才可以如此。二級編碼就已經是按照部首排序了。GBK因為兼容GB2312，情況類似。若是utf8等unicode表達就更不同了……

你要遇到多音字還排個毛線啊……

其實就按Unicode或者GBK排序得了，或者Windows API。只要排列順序是固定的就好。一般也沒人在乎那個順序到底是不是嚴格按拼音吧……

我在項目中一般用 setlocale + strcoll：

#include & #include & #include & #include & #include &


int strcoll_wrapper(const void *v1, const void *v2)

{

    const char **s1 = (const char **)v1;

    const char **s2 = (const char **)v2;
    assert(v1 != NULL);

    assert(v2 != NULL);
    return strcoll(*s1, *s2);

}
int main(void)

{

    int i = 0;

    const char *names[] = {

        "趙",

        "錢",

        "孫",

        "李",

    };
    setlocale(LC_COLLATE, "");
    qsort(names, 4, sizeof(names[0]), strcoll_wrapper);

for (i = 0; i &< sizeof(names)/sizeof(names[0]); i++) puts(names[i]); return 0; } // References: //http://www.anyexample.com/programming/c/qsort__sorting_array_of_strings__integers_and_structs.xml

----

全英文的話，可以用strcmp，因為ascii碼錶中的英文字元是有序的，"c" &> "b" 是成立的

中文就不行了，很多編碼如utf-8里的中文字元並不是按字典順序排的，比如 "吧" &> "啊" 是不成立的，因此需要先轉化成拼音，然後再排序

姓名排序可不是個簡單的計算問題，老羅專門做了一個姓名多音字的通訊錄排表，可以借鑒下。

如果只是完成作業的話也可以降低點要求，GB國標中有獲得漢字拼音的方法，然後變成漢語拼音的字元串排序問題就好了。

原理是出題者以為漢字是ASCII編碼了

看你用什麼方法排序了

strcmp本質上是比較2進位數值

那麼顯然就和當前字元串里漢字的編碼有關係