我有2048 Japanese Unicode words的已排序列表?page=2，理想情况下，我希望使用二进制搜索进行索引，如{{3}中所述}。 J函数使用binary_search模块中的bisect_left，而不是使用bisect函数索引列表。
list.index现在，让我们为import bisect
def binary_search(a, x, lo=0, hi=None): # can't use a to specify default for hi
hi = hi if hi is not None else len(a) # hi defaults to len(a)
pos = bisect.bisect_left(a, x, lo, hi) # find insertion point
return (pos if pos != hi and a[pos] == x else -1)
中的每个单词编制索引：
words让我们分开制作一个清单：
words = "そつう れきだい ほんやく わかす りくつ ばいか ろせん やちん そつう れきだい ほんやく わかめ"
将>>> words.split()
[u'\u305d\u3064\u3046', u'\u308c\u304d\u305f\u3099\u3044', u'\u307b\u3093\u3084\u304f', u'\u308f\u304b\u3059', u'\u308a\u304f\u3064', u'\u306f\u3099\u3044\u304b', u'\u308d\u305b\u3093', u'\u3084\u3061\u3093', u'\u305d\u3064\u3046', u'\u308c\u304d\u305f\u3099\u3044', u'\u307b\u3093\u3084\u304f', u'\u308f\u304b\u3081']`)
与binary_search进行比较：
list.index因此，对于>>> [ binary_search(J, x) for x in words.split()]
[-1, 2015, 1790, 2039, 1983, -1, 2031, 1919, -1, 2015, 1790, 2040]
>>> [ J.index(x) for x in words.split()]
[1019, 2015, 1790, 2039, 1983, 1533, 2031, 1919, 1019, 2015, 1790, 2040]
（u'\u305d\u3064\u3046'）而不是索引1019，そつう返回索引-1（失败），因为binary_search计算结果为 1027 ，pos。 这两个字（索引1019和1027）都以u'\u305d\u3068\u304b\u3099\u308f'开头，因此这就是问题所在。
如何调整u'\u305d'以查找（日语）Unicode字符的索引？
答案 0 :(得分：1)
这里显示您的J列表有问题;它没有正确排序。
当我使用requests库加载测试数据文件并对信息进行排序时，它可以正常工作：
>>> # your bisect function defined
...
>>> import requests
>>> words = u"そつう れきだい ほんやく わかす りくつ ばいか ろせん やちん そつう れきだい ほんやく わかめ"
>>> url = 'https://raw.githubusercontent.com/trezor/python-mnemonic/master/mnemonic/wordlist/japanese.txt'
>>> J = sorted(requests.get(url).text.splitlines())
>>> [ J.index(x) for x in words.split()]
[1024, 2015, 1787, 2039, 1983, 1601, 2031, 1919, 1024, 2015, 1787, 2040]
>>> [ binary_search(J, x) for x in words.split()]
[1024, 2015, 1787, 2039, 1983, 1601, 2031, 1919, 1024, 2015, 1787, 2040]
请注意，索引与您的测试结果不完全匹配;如果指数偏离3以上，则bisect无法找到结果。