Python怎么对含数字的字符串列表进行自然排序

在 Python 中对包含数字的字符串列表进行排序时，很多开发者会遇到 ['file1.txt', 'file10.txt', 'file2.txt'] 这种违背直觉的排序结果。解决这一问题的核心途径有两个：如果不想引入第三方依赖，可使用标准库 re 模块编写键函数（Key Function），将字符串切分为“文本与整型数值”的元组后再进行比较；如果在工程或生产环境中需要处理更复杂的文件名、版本号或浮点数，直接使用第三方库 natsort 是最简洁稳健的选择。本文将深入剖析两种实现方式的具体步骤、底层原理以及边界注意事项。

一、问题复现：为什么默认排序会出现“file10排在file2前面”

Python 内置的 sorted() 函数和列表的 sort() 方法默认采用“字典序”（Lexicographical Order，即根据字符的 Unicode / ASCII 编码逐位比较）。

我们可以观察以下简单的示例代码：

# 默认排序示例
files = ['file1.txt', 'file10.txt', 'file2.txt', 'file21.txt', 'file3.txt']
result = sorted(files)
print(result)
# 输出: ['file1.txt', 'file10.txt', 'file2.txt', 'file21.txt', 'file3.txt']

在逐字符比对过程中，当比较 'file10.txt' 与 'file2.txt' 时，前四个字符 'f', 'i', 'l', 'e' 完全一致。到达第五个字符时，字符 '1' 的 ASCII 码为 49，而字符 '2' 的 ASCII 码为 50。由于 49 < 50，Python 在当前位置判定 'file10.txt' 小于 'file2.txt'，排序流程终止，导致数值更大的 10 排在了 2 的前面。

所谓“自然排序”（Natural Sort 或 Human Sort），是指在比较包含数字的字符串时，将连续的数字字符视作一个整体的数值量级（即把 10 作为整数十，而不是字符一加字符零），从而让 2 排在 10 之前。

图 1：默认字典序比对与自然排序比对机制差异

二、核心原理：Key 函数与分块元组比对

Python 的 sorted(iterable, key=func) 允许传入一个自定义的 key 函数。在排序时，Python 会先将每个元素传入该函数生成对应的比较键，然后基于生成的键来决定最终排序。

实现自然排序的关键在于：构造一个将连续数字转换成整型数值的分块列表或元组。

Python 原生支持元组与列表之间的比较，规则如下：

1. 先比较元组的第一项；如果第一项能分出大小，直接确定胜负。
2. 如果第一项相等，继续比较第二项，以此类推。
3. 在对应位置上，数字与数字按整型比较，文本与文本按字典序比较。

例如，比较 ['file', 2, '.txt'] 和 ['file', 10, '.txt']：第 0 项均为 'file'；第 1 项为整数比较，由于 2 < 10，前一个列表自然排在前面。

要将字符串切分为“文本块”和“数字块”，最有效的方法是标准库的 re.split() 函数。当正则表达式中使用带有捕获括号的模式 r'(\d+)' 时，匹配到的数字不仅作为分隔符，还会被完整保留在返回的列表中：

import re

text = 'chapter12_part3.txt'
chunks = re.split(r'(\d+)', text)
print(chunks)
# 输出: ['chapter', '12', '_part', '3', '.txt']

随后，只需遍历该列表，对纯数字字符串调用 int() 转换，非数字字符串保留原样，即可构建出符合自然排序比较要求的键。

图 2：键函数分块与类型转换流水线

三、方案一：使用标准库 re 模块（无外部依赖）

在绝大多数日常脚本或不方便安装第三方包的受限环境中，使用标准库 re 是最通用且高效的方案。

完整代码示例

import re

def natural_sort_key(s):
    """
    将输入字符串拆分为文本与整型数值的列表，用于自然排序。
    """
    if not isinstance(s, str):
        s = str(s)
    # 使用正则表达式按连续数字切分，括号保证切出的数字也包含在结果列表中
    return [int(text) if text.isdigit() else text.lower() for text in re.split(r'(\d+)', s)]

# 测试用例
items = [
    'item10b.jpg',
    'item2a.jpg',
    'item1a.jpg',
    'item20.jpg',
    'item2b.jpg',
    'item10a.jpg',
    'item3.jpg'
]

# 执行自然排序
sorted_items = sorted(items, key=natural_sort_key)

print("排序前:", items)
print("排序后:", sorted_items)

运行输出结果

排序前: ['item10b.jpg', 'item2a.jpg', 'item1a.jpg', 'item20.jpg', 'item2b.jpg', 'item10a.jpg', 'item3.jpg']
排序后: ['item1a.jpg', 'item2a.jpg', 'item2b.jpg', 'item3.jpg', 'item10a.jpg', 'item10b.jpg', 'item20.jpg']

实现细节与边界说明

• 大小写敏感性：在上面的代码中，非数字部分使用了 text.lower()。如果不加 .lower()，在 ASCII 码中大写字母（A~Z: 65~90）会排在小写字母（a~z: 97~122）之前。若希望保持严格大小写不敏感，统一转小写是标准做法。
• 原地排序支持：如果待排序的是一个已有列表，并且不需要保留原列表副本，可以直接调用 items.sort(key=natural_sort_key)，节省内存开销。
• 空字符串与纯文本：如果列表项中没有数字，re.split(r'(\d+)', s) 会返回只包含原字符串的单元素列表 [s.lower()]，退化为普通字符串排序，行为安全可控。

图 3：标准库实现自然排序的四步流程

四、方案二：使用第三方 natsort 库（工程化开箱即用）

在大型工程项目或需要处理丰富数据类型的场景下，自己用正则切分可能会遇到各种极端边界情况（如带负号、浮点小数、带扩展名的文件路径、语义版本号等）。此时推荐使用被广泛验证的第三方库 natsort。

安装方法

pip install natsort

基础使用

natsort 提供了 natsorted() 函数，用法与 Python 内置的 sorted() 完全一致，无需手动编写任何键函数：

from natsort import natsorted

files = ['file10.txt', 'file2.txt', 'file1.txt', 'file20.txt']
result = natsorted(files)
print(result)
# 输出: ['file1.txt', 'file2.txt', 'file10.txt', 'file20.txt']

高级特性与实用参数

natsort 不仅能识别整数，还能处理非常复杂的工程需求：

• 文件路径感知（Path-aware 排序）：处理如 folder/file10.txt 这种路径时，普通自然排序可能会因为斜杠和扩展名干扰排序。传入 alg=ns.PATH 可以让系统优先比较目录层级和文件名主体，最后比较扩展名。
• 原生支持就地排序：提供 natsort_keygen() 生成高效的键函数，可直接用于列表的 .sort() 方法：

  from natsort import natsort_keygen
  
  data = ['img12.png', 'img2.png']
  data.sort(key=natsort_keygen())
  print(data)
  # 输出: ['img2.png', 'img12.png']

• 浮点数与科学计数法：当列表中含有如 ['model_1.5', 'model_1.10'] 时，默认按整数拆分可能会将 1.10 视作大于 1.5（因为 10 > 5）。natsort 提供了 ns.FLOAT 选项，可精准识别浮点数值。

五、技术选型与综合对比

两种方案在特性覆盖、依赖成本和开发效率上各有侧重，具体差异如下表所示：

图 4：Python 自然排序方案选型决策指南

总结

解决 Python 含数字字符串排序混乱的问题，本质上是纠正字典序将数字逐字符拆解的缺陷。对于轻量、无外部依赖的需求，基于 re.split(r'(\d+)', s) 将数字转换为整型的键函数完全足够且极其高效；而对于包含复杂目录、版本号或浮点数的工程化系统，引入 natsort 则是更省心且容错率更高的最佳实践。