使用locale/collat​​ion按键对字典排序

Question

下面的代码忽略了语言环境,Égypt最后会出现什么问题？

dict = {"United States": "United States", "Spain" : "Spain", "England": "England", "Égypt": "Égypt"}

import locale

# using your default locale (user settings)
locale.setlocale(locale.LC_ALL,"fr_FR")
print OrderedDict(sorted(dict.items(), key=lambda t: t[0], cmp=locale.strcoll))

这是输出:

OrderedDict([('England', 'England'), ('Spain', 'Spain'), ('United States', 'United States'), ('\xc3\x89gypt', '\xc3\x89gypt')])

Answer 1

这是一个解决方法。

使用 unicode 的规范化形式规范分解http://en.wikipedia.org/wiki/Unicode_equivalence#Normal_forms

# utf-8 <-> unicode is left as exercise to the reader
egypt = unicodedata.normalize("NFD", egypt)

sorted(['Egypt', 'E\xcc\x81gypt', 'US'])
['Egypt', 'E\xcc\x81gypt', 'US']

这实际上并没有考虑区域设置。

除此之外，尝试使用较新的 Python（是的，我知道）或来自 Martijn 链接问题和相应答案的 ICU 库。