用法：多音字姓名的排序调整

[hushidong]

问题：姓的多音导致排序不正确

一些姓由于有个多音(比如：曾，沈等)，且常用音还不是姓名中用的音时，使用默认的中文拼音排序会导致排序错误。

比如：下面的例子：

\documentclass{article}
\usepackage{ctex}

\begin{filecontents}[force]{\jobname.bib}
@thesis{曾某某,
author    = {曾某某},
title     = {CGF建模方法与应用研究},
publisher = {科技大学},
date      = {2010},
}

@thesis{白某某,
author    = {白某某},
title     = {CGF建模方法与应用研究},
publisher = {科技大学},
date      = {2010},
}

@thesis{戴某某,
author    = {戴某某},
title     = {CGF建模方法与应用研究},
publisher = {科技大学},
date      = {2010},
}

@thesis{沈某某,
author    = {沈某某},
title     = {CGF建模方法与应用研究},
publisher = {科技大学},
date      = {2011},
}

@thesis{王某某,
author    = {王某某},
title     = {CGF建模方法与应用研究},
publisher = {科技大学},
date      = {2011},
}

@thesis{齐某某,
author    = {齐某某},
title     = {CGF建模方法与应用研究},
publisher = {科技大学},
date      = {2011},
}
\end{filecontents}

\usepackage[style=gb7714-2015ay]{biblatex} %,defernumbers=true
\addbibresource{\jobname}


\begin{document}

text\nocite{*}

\printbibliography

\end{document} 

其结果为：

可以看到，曾和沈，用ceng，chen的音做了排序，所以会在dai之前。

显然这并不是我们希望的正确的排序，所以，有必要的话，我们需要做调整。

[hushidong]

解决方案一：在key域添加正确的拼音，并使用排序模板，使其按key域排序

默认情况下：

gb7714-2015样式不使用排序模板，只按照文献的引用顺序进行排序，所以通常不需要处理。
但若要使用一定的排序，那么就要使用排序模板：
gb7714-2015样式提供了gb7714-2015、gbnytd、gbyntd、gbynta四个排序模板都使用了key域，因此只要key域内能够填入正确的拼音就能得到正确的姓的排序。

而gb7714-2015ay样式，默认使用gb7714-2015排序模板，即以语言、作者、年份、标题、升序排列，其它gbnytd、gbyntd、gbynta 排序模板也都使用了key域，因此只要key域内能够填入正确的拼音就能得到正确的姓的排序。

所以问题的关键是如何在key域填入拼音。

第一种方式是，手动的填写。

打开bib文件，对中文的条目，添加key域，写入拼音，比如：

原来的条目为

@thesis{白某某,
author    = {白某某},
title     = {CGF建模方法与应用研究},
publisher = {科技大学},
date      = {2010},
}

修改为：

@thesis{白某某,
	author = {白某某},
	title = {CGF建模方法与应用研究},
	publisher = {科技大学},
	date = {2010},
	key = {bai2mou3mou3},
}

第二种方式是，利用bibmap工具自动填写。

bibmap工具见：https://github.com/hushidong/biblatex-map

步骤为：
(1)下载后进入binary目录，并将上一级目录下的所有的py文件拷贝到binary目录下
(2)将需要修改的a.bib文件也拷到该目录下
(3)使用命令：

bibmap.exe a.bib --nofmt --addpinyin

会得到newa.bib，其内部的每条文献都会自动的添加拼音。

比如：

%% 
%% bib file modified by bibmap.py
%% 2023-03-31T17:19:26
%% 


@thesis{曾某某,
	author = {曾某某},
	title = {CGF建模方法与应用研究},
	publisher = {科技大学},
	date = {2010},
	key = {zeng1mou3mou3},
}

@thesis{白某某,
	author = {白某某},
	title = {CGF建模方法与应用研究},
	publisher = {科技大学},
	date = {2010},
	key = {bai2mou3mou3},
}

@thesis{戴某某,
	author = {戴某某},
	title = {CGF建模方法与应用研究},
	publisher = {科技大学},
	date = {2010},
	key = {dai4mou3mou3},
}

@thesis{沈某某,
	author = {沈某某},
	title = {CGF建模方法与应用研究},
	publisher = {科技大学},
	date = {2011},
	key = {shen3mou3mou3},
}

@thesis{王某某,
	author = {王某某},
	title = {CGF建模方法与应用研究},
	publisher = {科技大学},
	date = {2011},
	key = {wang2mou3mou3},
}

@thesis{齐某某,
	author = {齐某某},
	title = {CGF建模方法与应用研究},
	publisher = {科技大学},
	date = {2011},
	key = {ji4mou3mou3},
}

因此：使用新的文件可以得到正确的结果：

\documentclass{article}
\usepackage{ctex}

\usepackage[style=gb7714-2015ay]{biblatex} %,defernumbers=true
\addbibresource{\jobname.bib}


\begin{document}

text\nocite{*}

\printbibliography

\end{document} 

结果为：

[hushidong]

解决方案二：使用修改后的Pinyin.pm模块替换原来的Pinyin.pm使多音的姓排序正确

为避免前一种方案添加拼音到key域的操作，这里提供一种可能更为方便的方法。

由于biber在做排序时实际上是利用 perl 的 Unicode::Collation::locale 模块，其中的Pinyin.pm提供了汉字的拼音顺序，对该文件做临时的修改，可以调整多音字的顺序。

因为在参考文献排序中通常会使用字的姓名音，所以我们对这个文件做非正式的修改，并放到github上，若用户需要正确的姓的多音字排序，那么只要用该文件替换biber临时工作目录中的文件即可。注意：目前只修改了“曾”“沈”等个字，而有些没有做修改，若用户有需求后面再增加。

通常biber在第一次运行的时候，会构建一个依赖目录，这也是biber的临时工作路径，而所有的依赖文件就在其中。
在windows下通常会在临时目录temp下构建类似par-<hex_encoded_username>/cache-的目录(其它系统也是类似命名，可以搜索一下)，所有的依赖包括Pinyin.pm都会在其内部，找到并替换即可(Pinyin.pm文件通常在cache-<hex-code-string>\inc\lib\Unicode\Collate\CJK下)。

Pinyin.pm原始文件：
Pinyin-origin.zip

pinyin.PM 修改后的(翟读di)：
Pinyin-modified-di.zip

pinyin.PM 修改后的(翟读翟)：
Pinyin-modified-zhai.zip

替换完毕后，我们即便不添加key域，同样能够排序正确：

\documentclass{article}
\usepackage{ctex}

\begin{filecontents}[force]{\jobname.bib}
@thesis{曾某某,
author    = {曾某某},
title     = {CGF建模方法与应用研究},
publisher = {科技大学},
date      = {2010},
}

@thesis{白某某,
author    = {白某某},
title     = {CGF建模方法与应用研究},
publisher = {科技大学},
date      = {2010},
}

@thesis{戴某某,
author    = {戴某某},
title     = {CGF建模方法与应用研究},
publisher = {科技大学},
date      = {2010},
}

@thesis{沈某某,
author    = {沈某某},
title     = {CGF建模方法与应用研究},
publisher = {科技大学},
date      = {2011},
}

@thesis{王某某,
author    = {王某某},
title     = {CGF建模方法与应用研究},
publisher = {科技大学},
date      = {2011},
}

@thesis{齐某某,
author    = {齐某某},
title     = {CGF建模方法与应用研究},
publisher = {科技大学},
date      = {2011},
}

\end{filecontents}

\usepackage[style=gb7714-2015ay]{biblatex} %,defernumbers=true
\addbibresource{\jobname}

\begin{document}

text\nocite{*}

\printbibliography

\end{document} 

结果为：

[earthmoon]

您好，

我方案二挺感兴趣的，但是我没有用过 perl ，所以对方案二大部分内容看不懂，我只能看懂思路。想请您指导我几个问题：

在windows下通常会在临时目录temp下构建类似par-<hex_encoded_username>/cache-的目录

这个temp文件夹通常在哪个位置？我应该在这个目录直接搜索par-<hex_encoded_username>/cache-吗？

因为在参考文献排序中通常会使用字的姓名音，所以我们对这个文件做非正式的修改，并放到github上，若用户需要正确的姓的多音字排序，那么只要用该文件替换biber临时工作目录中的文件即可。注意：目前只修改了“曾”“沈”两个字，而“翟”“仇”等没有做修改，若用户有需求后面再增加。

这些应该都有需求，因为文献里随时可能出现这些姓，还有汤应当为tang1，默认是shang1；单为shan4。您方便做一个小白能够看懂的修改这个pm文件多音字的教程吗？

谢谢！

[hushidong]

1. 对的，biber运行会生成这个目录，你搜pinyin.PM都能搜到。

2. 该pm也不复杂，就是把字对应的unicode从原来的位置移动到合适的位置就可以。不过，最好你们还是提需求，我来统一改好了。
   我后面把汤，单，仇也加进去吧。翟好像也有读di的姓，所以不改了。

[earthmoon]

1. 对的，biber运行会生成这个目录，你搜pinyin.PM都能搜到。
2. 该pm也不复杂，就是把字对应的unicode从原来的位置移动到合适的位置就可以。不过，最好你们还是提需求，我来统一改好了。
   我后面把汤，单，仇也加进去吧。翟好像也有读di的姓，所以不改了。

翟北方者读（Dí音狄），迁居南方者读（Zhái音宅）。把它改成zhai2吧，因为古代的狄族很少见了。

这个网址总结比较全，个人感觉一次尽量全部搞清楚更省力。

麻烦了，谢谢！

[earthmoon]

为什么我搜索Pinyin.pm会出现两个目录：

"C:\Users\Office\AppData\Local\Temp\par-4f66666963655a656e67\cache-0fff6f0fbf692d8a03594920d947d8aa448181d1\inc\lib\Unicode\Collate\CJK\Pinyin.pm"
"C:\Users\Office\AppData\Local\Temp\par-4f66666963655a656e67\cache-96d297aa7563e182b1dd640f406e913a11204801\inc\lib\Unicode\Collate\CJK\Pinyin.pm"

哪一个是多余的？还是各有用途呢？

谢谢！

[hushidong]

你把两个最高层目录全部删掉，再次运行biber，会重新生成一个，就用那个里面的。

[earthmoon]

你全部删掉，再次运行biber，会重新生成一个，就用那个。

好的，谢谢！

[earthmoon]

再问一个技术问题，为什么别人在github上回复我，我无法在我邮箱中看到对方的邮箱地址。而您回复我，我可以看到您的邮箱地址。是哪里可以设置吗？

谢谢！

[sikouhjw]

再问一个技术问题，为什么别人在github上回复我，我无法在我邮箱中看到对方的邮箱地址。而您回复我，我可以看到您的邮箱地址。是哪里可以设置吗？

谢谢！

有没有可能，那不是邮箱地址，而是类似昵称的东西，只是昵称刚好是邮箱

[hushidong]

这个没有研究，我猜是账户设置时可能公开了？

[earthmoon]

@sikouhjw @hushidong


就很奇怪~

[earthmoon]

再问一个技术问题，为什么别人在github上回复我，我无法在我邮箱中看到对方的邮箱地址。而您回复我，我可以看到您的邮箱地址。是哪里可以设置吗？
谢谢！

有没有可能，那不是邮箱地址，而是类似昵称的东西，只是昵称刚好是邮箱

他的昵称是hushidong，但他还能显示邮箱。

[hushidong]

[email protected]是我的昵称，hushidong是账户名。

[earthmoon]

[email protected]是我的昵称，hushidong是账户名。

难道他没有昵称？

[earthmoon]

确实可以没有昵称，原来我也没有昵称。。。

[earthmoon]

请教师兄一个问题：

对于一个完全没有学过 perl 语言的新手，应该学习 perl5 还是 perl6（raku） 。理由是什么呢？

谢谢！

[hushidong]

我个人认为，无所谓哪个，都是工具而已，需要用哪个的时候就学，两者估计差别不大。

另外，pinyin.pm已经更新，见前面的连接。

[earthmoon]

你好，可以帮忙查看下Pinyin.pm这个文件里面的长是不是读zhang3？默认取chang2会不会更好？

[hushidong]

是zhang3

[earthmoon]

是zhang3

在 pinyin.pm 模块中，可以使用 Pinyin::Collate 模块来实现对汉字按拼音排序。其原理是依据 Unicode 标准，先将汉字转换为对应的 Unicode 编码，然后按照 Unicode 编码来进行排序。如果两个汉字的拼音相同，则会根据 Unicode 编码进行比较。

所以，其实pinyin.pm排序没有考虑笔划顺序对吧？ 有没有办法将bibmap集成到biblatex-gb7714，提供option让用户开启，感觉你的bibmap更科学。

[TomBener]

在 macOS 上，我通过替换 /private/var/folders/*/*/T/par-*/cache-*/inc/lib/Unicode/Collate/CJK/Pinyin.pm 实现了多音字的正确排序，非常感谢。

不过我还有两个小问题：

1. 替换后的 Pinyin.pm 文件是一直有效的吗？如果 biber 更新或系统清理了缓存，替换的 Pinyin.pm 会不会失效呢？

2. 我还尝试了添加 key 的方式，例如：

@book{shenyao1936,
  author = {沈垚},
  date = {1936},
  publisher = {商務印書館},
  location = {上海},
  title = {落帆樓文稿},
  key = {shen3yao2}
}

在我的 .bib 文件中，只有这一个条目添加了 key 字段，编译之后为什么 shenyao1936 会被排到所有中文文献的最后呢？谢谢。

[hushidong]

如果要用key，那么所有文献都要用key才能正确排序。

缓存一遍不太会换的。若被清理了只能重新覆盖pinyin.PM文件了。

[TomBener]

经过验证，我发现 Biber 缓存会在电脑关机后被清理。为了使用胡老师修改后的 Pinyin.pm，我用 Keyboard Maestro 制作了一个 macro，用于在 Mac 开机时自动更新 Pinyin.pm。

执行的命令如下：

# Get the path of the cache folder
cache_path=$(biber --cache)

# Copy updated `Pinyin.pm` to the cache folder
cp -f ~/Documents/Pinyin.pm "${cache_path}/inc/lib/Unicode/Collate/CJK/Pinyin.pm"

其他操作系统可参考这个命令进行修改，或者用其他自动化工具实现类似的操作。关于 Biber cache 的问题，可以参考 这个回答。

[hushidong]

不错呀，自己动手丰衣足食。

[TomBener]

最近遇到一个「阚」（kàn）姓在参考文献列表排序时不正确，我看了一下它（U+961A）在 Pinyin.pm 中的位置是正确的：

770B 884E 5D01 5888 77B0 78E1 95DE 77D9 961A
5FFC 95F6 780A 7C87 5EB7 5ADD 5D7B 6177 6F2E 69FA

但为什么排序是下图这样的呢：

以及这里 厉 姓也应该在 李 姓之后。

[zepinglee]

以及这里 厉 姓也应该在 李 姓 之后。

似乎是数据有误。可以使用 https://github.com/unicode-org/cldr/blob/main/common/collation/zh.xml 的数据修正。

另外 https://github.com/unicode-org/cldr/blob/main/common/transforms/Han-Latin-Names.xml 也记录了一些姓名的多音字，但还不全，其中就没有包括“阚”。

[TomBener]

@zepinglee 谢谢，感觉确实是数据有误，不过「阚」不是一个多音字啊。

[zepinglee]

不过「阚」不是一个多音字啊。

collation/zh.xml 记录的拼音是 hǎn。

[TomBener]

感谢！我修改了一下 Pinyin.pm，调整了「阚」、「李」、「厉」的顺序，现在这几个姓氏可以根据拼音正确排序了。

Pinyin.pm.zip

另外推荐一下这两个网站，可以根据字符或 Unicode 编码查询对应的值：

• https://apps.timwhitlock.info/unicode/inspect
• https://bencrowder.github.io/unicode-inspector

[hushidong]

感谢