Sắp xếp tên tiếng Việt có dấu trong Python
Bài 4/4 · Chương 12
Python với dữ liệu Việt Nam
- 7 phút
- Cơ bản
- Python 3.14
- Cập nhật
Trong bài này · 10
Sắp xếp tiếng Việt trong Python cho đúng thứ tự bảng chữ cái cần một hàm key riêng, vì sorted() so chuỗi theo điểm mã chứ không theo bảng chữ cái tiếng Việt. Bạn gặp việc này khi in danh sách lớp, bảng lương hay danh bạ khách: người tên "Ánh" phải đứng đầu chứ không bị đẩy xuống sau "Yến".
Cần biết trước: sắp xếp list, lambda và Unicode và tiếng Việt.
Vì sao sorted() xếp sai tên có dấu
sorted() so hai chuỗi từng ký tự từ trái sang phải, và so hai ký tự bằng điểm mã của chúng.
ten = ["Yến", "Ánh", "Hoa", "Hà", "Huy", "Đức"]
print(sorted(ten))
print(ord("a"), ord("à"), ord("Y"), ord("Á"), ord("Đ"))KẾT QUẢ
['Hoa', 'Huy', 'Hà', 'Yến', 'Ánh', 'Đức']
97 224 89 193 272Chữ a, Y nằm trong nhóm ký tự Latin cơ bản, điểm mã dưới 128. Chữ có dấu và chữ Đ có điểm mã lớn hơn hẳn, nên "Ánh", "Đức" bị đẩy ra sau "Yến", và "Hà" đứng sau "Huy" vì à lớn hơn u. Thứ tự theo điểm mã giống xếp sách theo số mã vạch: đúng một thứ tự, nhưng không phải thứ tự người đọc tìm.
Hàm key theo bảng chữ cái tiếng Việt
Bảng chữ cái tiếng Việt có 29 chữ cái: a ă â b c d đ e ê g h i k l m n o ô ơ p q r s t u ư v x y. Khóa của một chuỗi là list vị trí của từng chữ cái trong bảng đó. Muốn tìm được ầ trong bảng thì phải bỏ dấu thanh trước, nhưng giữ dấu mũ, dấu trăng, dấu móc, vì chúng làm nên chữ cái ă, â, ơ…
from unicodedata import normalize
CHU_CAI = "aăâbcdđeêghiklmnoôơpqrstuưvxy"
DAU = chr(768) + chr(777) + chr(771) + chr(769) + chr(803)
def khoa_chu(chuoi):
goc = ""
for ky_tu in normalize("NFD", chuoi.lower()):
if ky_tu not in DAU:
goc += ky_tu
vi_tri = []
for ky_tu in normalize("NFC", goc):
vi_tri.append(CHU_CAI.find(ky_tu))
return vi_tri
ten = ["Yến", "Ánh", "Hoa", "Hà", "Huy", "Đức"]
print(sorted(ten, key=khoa_chu))KẾT QUẢ
['Ánh', 'Đức', 'Hà', 'Hoa', 'Huy', 'Yến']DAU gồm năm dấu thanh ở dạng tách: huyền, hỏi, ngã, sắc, nặng. Ở dạng NFD, ầ là a, dấu mũ, dấu huyền; vòng lặp đầu bỏ dấu huyền, giữ a với dấu mũ, rồi NFC ghép lại thành â. Vòng lặp sau đổi từng chữ cái thành vị trí của nó, và sorted() so các list vị trí này như so số. Ký tự không có trong bảng, như dấu cách, cho -1 nên đứng trước các chữ cái; chữ f, j, w, z cũng cho -1. Đổi "Hoa" thành "Ân" rồi chạy lại: tên mới đứng thứ hai, kết quả in 'Ánh', 'Ân', 'Đức'.
Hai tên chỉ khác dấu thanh, như "Ha" và "Hà", cho cùng một khóa chữ cái. Khi đó cần thêm dấu thanh làm tiêu chí thứ hai: mỗi chữ cái một số, 0 cho thanh ngang, rồi huyền, hỏi, ngã, sắc, nặng theo thứ tự trong chuỗi DAU. Chữ không dấu cũng phải có số 0, vì chỉ ghi các dấu gặp được thì "Thu Hà" và "Thù Ha" cho cùng một khóa. Phần đó là bài tập cuối bài. Dữ liệu lẫn hai kiểu đặt dấu (Hòa, Hoà) thì đưa về một kiểu trước khi xếp.
Khóa so cả chuỗi từ trái sang phải, không so từng tiếng một: "Hà An" đứng trước "Ha Bình", vì chữ cái thứ tư a đứng trước b nên dấu thanh không cần xét tới.
Xếp theo tên rồi họ
Danh sách lớp ở Việt Nam thường xếp theo tên, tức từ cuối của họ tên, rồi mới tới họ và tên đệm. Khóa là một tuple hai phần: khóa của tên, rồi khóa của cả họ tên. sort() so phần đầu trước, chỉ khi phần đầu bằng nhau mới so phần sau.
from unicodedata import normalize
CHU_CAI = "aăâbcdđeêghiklmnoôơpqrstuưvxy"
DAU = chr(768) + chr(777) + chr(771) + chr(769) + chr(803)
def khoa_chu(chuoi):
goc = ""
for ky_tu in normalize("NFD", chuoi.lower()):
if ky_tu not in DAU:
goc += ky_tu
vi_tri = []
for ky_tu in normalize("NFC", goc):
vi_tri.append(CHU_CAI.find(ky_tu))
return vi_tri
ds = ["Trần Thu Hà", "Phạm Quốc Huy", "Vũ Ngọc", "Lê Ngọc"]
ds.sort(key=lambda h: (khoa_chu(h.split()[-1]), khoa_chu(h)))
print(ds)KẾT QUẢ
['Trần Thu Hà', 'Phạm Quốc Huy', 'Lê Ngọc', 'Vũ Ngọc']Hai bạn cùng tên Ngọc được xếp tiếp theo cả họ tên, nên "Lê Ngọc" đứng trước "Vũ Ngọc". Biểu thức h.split()[-1] lấy từ cuối, kể cả khi họ tên có ba hay bốn từ; cách tách chuỗi thành từ có ở bài split() và join().
Kiểm tra nhanh
sorted(["Hà", "Hoa", "Huy"])trả về gì?["Hà", "Hoa", "Huy"]["Huy", "Hoa", "Hà"]["Hoa", "Huy", "Hà"]
ord("Đ") > ord("Y")mang giá trị nào?TrueFalse
Muốn xếp họ tên theo tên, người cùng tên thì theo cả họ tên, những key nào làm đúng? (họ tên không dấu)
key=lambda h: h.split()[-1]key=lambda h: (h.split()[-1], h)key=lambda h: (h, h.split()[-1])key=lambda h: (khoa_chu(h.split()[-1]), khoa_chu(h))
Trong ví dụ hàm key,
khoa_chu("Đức")trả về gì?[5, 24, 4][6, 25, 4][272, 7913, 99]
Bài tập
Thêm dấu thanh vào khóa sắp xếp
Viết thân hàm khoa_tieng_viet(chuoi) trả về tuple (vi_tri, dau):
vi_tri: list vị trí trongCHU_CAIcủa từng chữ cái, sau khi đổi về chữ thường và bỏ dấu thanh, nhưkhoa_chutrong bài.dau: list dấu thanh của từng chữ cái, cùng thứ tự vớivi_tri:0cho thanh ngang, rồi tính từ1theoDAU(huyền 1, hỏi 2, ngã 3, sắc 4, nặng 5). Ký tự không có dấu thanh, kể cả dấu cách, ghi0.
Chuỗi đưa vào có thể ở dạng NFC hay NFD. Ví dụ: khoa_tieng_viet("Hà") trả về ([10, 0], [0, 1]).
Trả về: khóa sắp xếp, một tuple gồm hai list.
from unicodedata import normalize
CHU_CAI = "aăâbcdđeêghiklmnoôơpqrstuưvxy"
DAU = chr(768) + chr(777) + chr(771) + chr(769) + chr(803)
def khoa_tieng_viet(chuoi):
pass # Viết thân hàm thay cho dòng nàyTóm tắt
sorted()so chuỗi theo điểm mã, nên chữ có dấu và chữĐđứng sau mọi chữ không dấu.key=str.lowerchỉ bỏ khác biệt hoa thường, không sửa được thứ tự chữ có dấu.Khóa tiếng Việt: bỏ dấu thanh ở dạng NFD, ghép lại NFC, đổi từng chữ cái thành vị trí trong bảng 29 chữ cái.
Tên chỉ khác dấu thanh thì so thêm dấu thanh của từng chữ cái làm tiêu chí thứ hai,
0cho thanh ngang.Xếp theo tên rồi họ bằng tuple khóa
(khóa của tên, khóa của cả họ tên).
Câu hỏi thường gặp
Làm sao bỏ dấu tiếng Việt trong Python?
Đưa chuỗi về NFD, bỏ mọi dấu tổ hợp (dấu thanh và cả dấu mũ, dấu trăng, dấu móc), rồi đổi riêng đ thành d, vì đ không tách được. Chuỗi không dấu hợp với tìm kiếm hay đặt tên file, nhưng không dùng làm khóa sắp xếp được: "Ân" và "An" thành một. Dạng NFD có ở bài Unicode và tiếng Việt.
Ngoài hàm key tự viết, có cách nào khác để sort tiếng Việt không?
Module locale của thư viện chuẩn xếp được theo tiếng Việt trên Linux có cài vùng ngôn ngữ vi_VN; trên macOS nó vẫn so theo điểm mã, nên kết quả đổi theo máy. Hàm key tự viết như bài này cho cùng một thứ tự trên máy nào cũng vậy. Module này có ở bài thư viện chuẩn về văn bản.
Muốn sắp xếp tên tiếng Việt giảm dần thì làm sao?
Giữ nguyên hàm key và thêm reverse=True: sorted(ds, key=khoa_chu, reverse=True). Python đảo thứ tự kết quả, còn khóa thì không đổi. Cách dùng reverse= cùng key= có ở bài sắp xếp list.
Chủ đề
Bài này có hữu ích?
Hỏi đáp
Tham vấn chuyên môn
Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE
- Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
- Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
- Xây hệ thống AI cho doanh nghiệp tại VietPlatform.