熟悉編程的朋友應該不難理解，為什么字串排序"10"會排在"2"的前面，因為字串大小比較是對各字符的編碼值逐個進行比較，“1”<“2”，所以"10"<“2”，

不過這不是本文想要達到的目標，本篇文章會用一行代碼，讓文本中出現的（任意多組）數字序號可以按照數字順序進行排序，

〇、背景

最近在爬蟲某漫畫網站，帖子標題一般是這樣的格式：

[作者] 標題標題 1 [55P]
[作者] 標題標題 2 [64P]
[作者] 標題標題 3 [75P]
……
[作者] 標題標題 8 [47P]
[作者] 標題標題 9 [44P]
[作者] 標題標題 10 [50P]
[作者] 標題標題 11 [44P]
[作者] 標題標題 12 [43P]
[作者] 標題標題 13 [44P]
……

我按照每篇帖子的標題作為檔案夾名，將帖子里的所有圖片下載到了對應的目錄，

本地保存的結果是這樣的：

在資源管理器中，這些數字順序的檔案夾都得到了“正確的”排序，

但是因為專案需求，我希望在程式中處理這些檔案夾時，卻出現了文章一開頭出現的問題——10、11、12全都跑到了1的后面、2的前面，這是不符合我的預期的，

[作者] 標題標題 1 [55P]
[作者] 標題標題 10 [50P]
[作者] 標題標題 11 [44P]
[作者] 標題標題 12 [43P]
……
[作者] 標題標題 19 [36P]
[作者] 標題標題 2 [64P]
[作者] 標題標題 20 [33P]
[作者] 標題標題 21 [36P]
[作者] 標題標題 22 [33P]
[作者] 標題標題 23 [35P]
……

一、正則取出序號位置進行排序

如果文章的序號始終出現在同樣的位置，那么用正則很容易將這個位置的序號“取出來”，轉換為數字型別，然后利用sorted函式的第2個引數key進行排序即可，

比如本例可以用這樣的代碼進行排序：

folders = sorted(folders, key=lambda s: int(s.split()[-2]))

但是這樣的演算法并不夠“干凈”也不夠“通用”，比如當文本中沒有數字就會報錯，或者數字不在規則設定的位置、或者有多組數字，也無法正確排序，

關鍵是Windows的資源管理器輕易就能做到的事情，為什么Python的排序就是不行呢？

二、微軟的排序策略

生成測驗樣例代碼：

for i in range(1, 20, 4):
    for j in range(1, 20, 4):
        with open(('abc%dxyz%d_extension'%(i, j))[:12], 'w'):
            pass

在檔案瀏覽器中查看排序效果，檔案名可以按照數字大小進行排序，包含多組數字也能正確排序：

更加驚人地，我嘗試使用不同的ASCII碼生成檔案名，查看排序策略，其實微軟實作了更加復雜的排序方式：

生成測驗樣例代碼：

for i in range(1, 256):
    try:
        with open(chr(i), 'w'):
            pass
    except:
        pass

微軟的排序策略：

微軟的排序囊括了?字符、注音字符、拉丁文等特殊字符，也按照了一定規律進行排序，

（然而卻有人吐槽這一點，甚至希望把這個“Bug”去掉： Windows按名稱排序問題）

那么微軟是如何實作排序邏輯的呢？一開始我考慮是不是將0-9的編碼定義得比其他字符優先級更低，但是這樣可以實作"11">“1a”，卻不能解釋為什么"a1">“11”，

因此，微軟一定是“貼心”地提取了檔案名中出現的所有數字，然后再按照從左到右的序列依次排序，最終得到排序結果，

（然而我看到這篇帖子，才發現我又重復研究輪子了：Java實作Windows中的檔案名排序）

三、Python實作排序

既然沒有捷徑可走，那就想辦法把所有的“數字”和“非數字字符”（不僅是英文）全部提出來，

比如目標字串，目標達到這樣的效果：

'he11owor1d' -> ['he', 11, 'owor', 1, 'd']

可以使用正則運算式進行匹配，不過正則運算式中，"\d+"只能匹配數字，"\D+"只能匹配非數字，"(\D+)(\d+)"可以取出所有的數字和非數字，但是卻匹配不到字串首的數字和字串尾的非數字，

為了解決這一點，手動在串首和串尾分別增加一個英文和數字，就可以讓原本字串內的所有內容全部符合正則規則并匹配到，最后再刪掉頭尾就可以了，

（當然，頭尾統一增加一個字符并不會影響排序順序，所以這兩個字符也可以不刪）

正則運算式匹配：

s1 = re.findall(r'(\D+)(\d+)', 'a' + s + '0')

輸出：

[('ahe', '11'), ('owor', '1'), ('d', '0')]

回傳的結果是二維陣列，通過sum函式組裝成一維陣列：

s2 = sum(s1, ())

輸出：

('ahe', '11', 'owor', '1', 'd', '0')

這個很秀的操作是使用了sum函式的第2個控制引數：

sum(iterable, start=0, /)
Return the sum of a ‘start’ value (default: 0) plus an iterable of numbers
When the iterable is empty, return the start value.
This function is intended specifically for use with numeric values and may reject non-numeric types.

將陣列中表示數字的字串轉化成數字，寫成串列遞推式可以用一行代碼寫出來：

s3 = [int(s) if s.isdigit() else s for s in s2]

輸出：

['ahe', 11, 'owor', 1, 'd', 0]

接著將這個陣列回傳，作為sorted函式的第2個引數key的回傳作為排序判斷，

當對串列內的字串進行排序時，會按照傳入key的排序函式進行計算，分別計算得到的結果（每一個字串對應一個陣列），對結果進行排序，

陣列的比對就是各元素逐一比較大小了，這樣可以得到對字串預期的排序結果，

包含生成測驗樣本的代碼：

import os
import re

# 生成測驗資料集
for i in range(1, 20, 4):
    for j in range(1, 20, 4):
        with open(('abc%dxyz%d_extension'%(i, j))[:12], 'w'):
            pass

# 自定義排序函式
def filenamesort(s):
    s1 = re.findall(r'(\D+)(\d+)', 'a' + s + '0')
    s2 = sum(s1, ())
    s3 = [int(s) if s.isdigit() else s for s in s2]
    return s3

# 排序函式對含有數字的字串的計算結果測驗
s = 'he11owor1d'
print(filenamesort(s))

# 原始順序和自定義排序結果
print(sorted(os.listdir()))
print(sorted(os.listdir(), key=filenamesort))

生成樣本和輸出排序結果：

第2段是Python對串列的默認排序，第3段是使用我的自定義排序結果，可以看到結果符合預期，

但是微軟做到的對?和注音標記等符號也進行了排序，這個就不在我的需求范圍內了，

四、一行代碼排序

當然，你還可以把這些代碼繼續簡化，用一行代碼來寫出來：

print(sorted(os.listdir(), key=lambda s: [int(s) if s.isdigit() else s for s in sum(re.findall(r'(\D+)(\d+)', 'a'+s+'0'), ())]))

嗯，所以我不是標題黨，

INF、后記

后來經小小明大佬的指點，代碼還可以進一步簡化：

print(sorted(os.listdir(), key=lambda s: [int(s) if s.isdigit() else s for s in re.findall(r'\D+|\d+', 'a'+s+'0')]))

INF、后后記

后來又發現可以再簡化短一點：

print(sorted(os.listdir(), key=lambda s: sum(((s, int(n)) for s, n in re.findall(r'(\D+)(\d+)', 'a%s0'%s)), ())))

這個方法減少了n次str.isdigit()函式的運算，所以理論上還會更快一些，

另一方面為了增加代碼的復用性，還可以寫成這樣的兩行：

fns = lambda s: sum(((s,int(n))for s,n in re.findall('(\D+)(\d+)','a%s0'%s)),())
print(sorted(os.listdir(), key=fns))