string - 如何定义自定义字母顺序以在 go 中比较和排序字符串？

Question

在将其标记为重复之前，请阅读底部

我希望能够按字母顺序排序字符串数组(或基于一个字符串值的结构片段)，但基于自定义字母表或 unicode 字母。

大多数时候，人们建议使用支持不同预定义语言环境/字母表的整理器。 (请参阅 this answer for Java )，但是对于这些语言环境包中不可用的稀有语言/字母表可以做什么？

我想使用的语言 不可用 in the list of languages Golangs collate 支持和使用，所以我需要能够定义一个自定义字母表，或用于排序的 Unicode 字符/ rune 顺序。

其他人建议先将字符串翻译成英文/ASCII 可排序的字母表，然后再排序。这就是 this solution done in Javascript 中的类似问题所建议的。或 this solution in Ruby . 但是肯定必须有一种更有效的方法来使用 Go 来做到这一点。

是否可以创建一个 Collator在使用自定义字母/字符集的 Go 中？那是什么func NewFromTable是为了？

看来我应该可以用Reorder功能，但看起来这还没有在语言中实现？ source code显示这个:

func Reorder(s ...string) Option {
    // TODO: need fractional weights to implement this.
    panic("TODO: implement")
}

我该怎么办 定义用于比较和排序字符串的自定义字母顺序 在走吗？

Answer 1

事先说明:

以下解决方案已被清理和优化，并作为可重用库在此处发布: github.com/icza/abcsort .

使用 abcsort ，自定义排序字符串 slice (使用自定义字母表)非常简单:

sorter := abcsort.New("bac")

ss := []string{"abc", "bac", "cba", "CCC"}
sorter.Strings(ss)
fmt.Println(ss)

// Output: [CCC bac abc cba]

通过 struct 字段之一对结构 slice 进行自定义排序如下:

type Person struct {
    Name string
    Age  int
}

ps := []Person{{Name: "alice", Age: 21}, {Name: "bob", Age: 12}}
sorter.Slice(ps, func(i int) string { return ps[i].Name })
fmt.Println(ps)

// Output: [{bob 12} {alice 21}]

原答案如下:

我们可以实现使用自定义字母表的自定义排序。我们只需要创建合适的 less(i, j int) bool函数，以及 sort 包将完成其余的工作。

问题是如何创建这样的less()功能？

让我们从定义自定义字母表开始。方便的方法是创建一个string包含自定义字母表的字母，从最小到最大枚举(排序)。例如:

const alphabet = "bca"

让我们从这个字母表创建一个 map ，它会告诉我们自定义字母表的每个字母的重量或顺序:

var weights = map[rune]int{}

func init() {
    for i, r := range alphabet {
        weights[r] = i
    }
}

(注意:上述循环中的 i 是字节索引，而不是 rune 索引，但由于两者都是单调递增的，因此两者都可以很好地处理 rune 权重。)

现在我们可以创建我们的 less()功能。为了获得“可接受”的性能，我们应该避免转换输入 string值到字节或 rune slice 。为此，我们可以拨打 utf8.DecodeRuneInString() 的帮助电话。解码第一个 rune 的函数的 string .

所以我们逐个比较 rune 。如果两个 rune 都是自定义字母表中的字母，我们可以使用它们的权重来判断它们如何相互比较。如果至少有一个 rune 不是来自我们的自定义字母表，我们将退回到简单的数字 rune 比较。

如果 2 个输入字符串开头的 2 个 rune 相等，我们继续处理每个输入字符串中的下一个 rune 。我们可以通过对输入字符串进行 slice 来执行此操作:对它们进行 slice 不会生成副本，它只会返回一个指向原始字符串数据的新字符串 header 。

好的，现在让我们看看这个less()的实现功能:

func less(s1, s2 string) bool {
    for {
        switch e1, e2 := len(s1) == 0, len(s2) == 0; {
        case e1 && e2:
            return false // Both empty, they are equal (not less)
        case !e1 && e2:
            return false // s1 not empty but s2 is: s1 is greater (not less)
        case e1 && !e2:
            return true // s1 empty but s2 is not: s1 is less
        }

        r1, size1 := utf8.DecodeRuneInString(s1)
        r2, size2 := utf8.DecodeRuneInString(s2)

        // Check if both are custom, in which case we use custom order:
        custom := false
        if w1, ok1 := weights[r1]; ok1 {
            if w2, ok2 := weights[r2]; ok2 {
                custom = true
                if w1 != w2 {
                    return w1 < w2
                }
            }
        }
        if !custom {
            // Fallback to numeric rune comparison:
            if r1 != r2 {
                return r1 < r2
            }
        }

        s1, s2 = s1[size1:], s2[size2:]
    }
}

让我们看看这个 less() 的一些琐碎测试功能:

pairs := [][2]string{
    {"b", "c"},
    {"c", "a"},
    {"b", "a"},
    {"a", "b"},
    {"bca", "bac"},
}
for _, pair := range pairs {
    fmt.Printf("\"%s\" < \"%s\" ? %t\n", pair[0], pair[1], less(pair[0], pair[1]))
}

输出(在 Go Playground 上试试):

"b" < "c" ? true
"c" < "a" ? true
"b" < "a" ? true
"a" < "b" ? false
"bca" < "bac" ? true

现在让我们测试这个 less()实际排序中的函数:

ss := []string{
    "abc",
    "abca",
    "abcb",
    "abcc",
    "bca",
    "cba",
    "bac",
}
sort.Slice(ss, func(i int, j int) bool {
    return less(ss[i], ss[j])
})
fmt.Println(ss)

输出(在 Go Playground 上试试):

[bca bac cba abc abcb abcc abca]

同样，如果性能对你很重要，你不应该使用 sort.Slice() 因为它必须在引擎盖下使用反射，而是创建自己的 slice 类型来实现 sort.Interface ，并且在您的实现中，您可以知道如何在不使用反射的情况下做到这一点。

这是它的样子:

type CustStrSlice []string

func (c CustStrSlice) Len() int           { return len(c) }
func (c CustStrSlice) Less(i, j int) bool { return less(c[i], c[j]) }
func (c CustStrSlice) Swap(i, j int)      { c[i], c[j] = c[j], c[i] }

当您想使用自定义字母表对字符串 slice 进行排序时，只需将 slice 转换为 CustStrSlice ，所以可以直接传给 sort.Sort() (此类型转换不会复制 slice 或其元素，它只会更改类型信息):

ss := []string{
    "abc",
    "abca",
    "abcb",
    "abcc",
    "bca",
    "cba",
    "bac",
}
sort.Sort(CustStrSlice(ss))
fmt.Println(ss)

上面的输出又是(在 Go Playground 上试试):

[bca bac cba abc abcb abcc abca]

一些注意事项:

默认字符串比较按字节比较字符串。也就是说，如果输入字符串包含无效的 UTF-8 序列，仍将使用实际字节。

我们的解决方案在这方面有所不同，因为我们解码 rune (我们必须这样做，因为我们使用自定义字母表，其中允许 rune 不一定映射到 UTF-8 编码中的 1 对 1 字节)。这意味着如果输入不是有效的 UTF-8 序列，则行为可能与默认顺序不一致。但是，如果您的输入是有效的 UTF-8 序列，这将执行您期望的操作。

最后一点:

我们已经看到了如何自定义排序字符串 slice 。如果我们有一个结构体 slice (或者一个结构体指针的 slice )，排序算法(less()函数)可能是一样的，但是在比较 slice 的元素时，我们必须比较元素的字段，而不是结构元素本身。

所以假设我们有以下结构:

type Person struct {
    Name string
    Age  int
}

func (p *Person) String() string { return fmt.Sprint(*p) }

(添加了 String() 方法，所以我们将看到结构的实际内容，而不仅仅是它们的地址......)

假设我们想在 []*Person 类型的 slice 上应用我们的自定义排序。 ，使用 Name领域Person元素。所以我们简单地定义这个自定义类型:

type PersonSlice []*Person

func (p PersonSlice) Len() int           { return len(p) }
func (p PersonSlice) Less(i, j int) bool { return less(p[i].Name, p[j].Name) }
func (p PersonSlice) Swap(i, j int)      { p[i], p[j] = p[j], p[i] }

就这样。其余相同，例如:

ps := []*Person{
    {Name: "abc"},
    {Name: "abca"},
    {Name: "abcb"},
    {Name: "abcc"},
    {Name: "bca"},
    {Name: "cba"},
    {Name: "bac"},
}
sort.Sort(PersonSlice(ps))
fmt.Println(ps)

输出(在 Go Playground 上试试):

[{bca 0} {bac 0} {cba 0} {abc 0} {abcb 0} {abcc 0} {abca 0}]