Indexing 如何生成（图书）索引？

我需要为一本书创建索引。虽然这项任务一看就很简单——按第一个字母将单词分组，然后进行排序——但这种显而易见的解决方案只适用于美国语言。然而，真正的意义更为复杂。见：

在使用扩展拉丁字母的语言中，计算机风格的数字排序和真正的字母排序之间的差异变得很明显。例如，西班牙语中29个字母的字母表将ñ视为n后面的基本字母，而以前将ch和ll分别视为c和l后面的基本字母。Ch和ll仍然被认为是字母，但现在按字母顺序排列为两个字母组合。（新的字母顺序规则是由西班牙皇家学院于1994年发布的。）另一方面，有向图rr按照预期遵循rqu，无论有无1994年的字母顺序规则。数字排序可能会将ñ错误地排列在z之后，并将ch视为c+h，在使用1994年以前的字母排序时也不正确

我试图找到一个现有的解决方案

DocBook样式表没有解决这个问题

我找到的最佳匹配项是xindy（），但该工具与LaTeX的连接太多

---

还有其他建议吗？

天真地说，您可以检查文本中的每个单词并创建一个哈希，使用这些单词作为键，并建立一个位置数组（页码？）作为值

---

但是索引通常比这更为集中。

好吧，在回答了评论之后，我意识到我不需要工具来生成索引，而是需要一个可以根据文化进行排序的库。第一个实验表明，我将使用ICU及其Python绑定PyICU。例如：

import icu
words = ["liche", "lichée", "lichen", "lichénoïde", "licher", "lichoter"]
collator = icu.Collator.createInstance(icu.Locale.getFrance())
for word in sorted(words, cmp=collator.compare):
  print word.decode("string-escape")

---

你能澄清一下你所说的索引是什么意思吗？你想要每一个字，只是重要的字，等等吗？你想拥有页面/文档位置吗？我建议雇佣一个称职的索引器（请参阅）来建立你的索引。当然，这会更贵，但当我在书中查找信息时，通常很清楚人类何时完成了这项工作，而计算机程序何时完成了这项工作。（库尔特·冯内古特（Kurt Vonnegut（））甚至说作者不应该为自己的书编制索引。）我指的是索引：书的一部分，就像目录或词汇表一样。例如，第251页。这本书里面已经有了索引标记，现在我应该处理这些标记来创建索引部分。我不知道如何按字母顺序排列单词。我编辑了这个问题，以便更准确地描述这个问题。数据结构对我来说不是问题，语言细节是。