CLE 論壇

[EdwardGJLee]

中文排序一直有點頭疼。

Big-5 碼是按筆劃排，但是次常用字會排在後面，也就是說筆劃少的次常用字，反而會排在筆劃多的常用字後面，例如『万』會排在『籲』後面去。

Unicode 則是依部首排，部首相同的才依筆劃數來排，這也不符合我們的需求。例如『正』會排在『果』後面去。

這在什麼地方要用到呢？就是書籍索引及參考文獻要用到。

我目前已依 Unihan.txt 整理出各漢字的筆劃數（但不完整，只有 27921 個字的統計資料），目前可以針對漢字求得其筆劃後用來排序，效果還可以，只是我用 ruby + sqlite 來寫，速度上不是很快就是了。不知道大家有沒有現成的 solution？

我主要是要用在 makeindex/mkindex 的地方。
_________________
L.G.J.

[EdwardGJLee]

我暫時把一些不成熟（有的部份還沒有完成，有的部份寫得很爛）的小工具放在 CLE，有興趣的朋友，可以先玩看看：
ftp://cle.linux.org.tw/tex/cjk/tools/index

你要先安裝 ruby, rubygem-sqlite3(當然要先安裝 sqlite3), rubygem, ruby-iconv。

那個 cstrokes.db，是由 builddb.rb 從 Unihan.txt 來建立的，你也可以自行建立。adddb.rb/deldb.rb 可增刪這個資料庫內容。資料庫的結構可以參考原始碼的內容。放心，我是程式低能兒，不會寫複雜的東西。

strokes.rb 可以計算某個字的筆劃數。chsort.rb 可以做中文排序（按筆劃數來排），不過目前只能排漢字，中英混合還沒有完成。當然索引的部份尚需努力。

bg5-sortb5.txt/bg5-sortu8.txt 是一個排序的例子。你可以和系統上的 sort 比較一下排序的結果。
_________________
L.G.J.

[EdwardGJLee]