Java 中文字符按Unicode排序的實(shí)現(xiàn)方法

發(fā)布時(shí)間：2020-10-04 08:49:12 來源：腳本之家閱讀：201 作者：robin 欄目：編程語言

遇到了一個(gè)對(duì)包含中文的字符串進(jìn)行排序的問題。要求按unicode編碼對(duì)字符串進(jìn)行排序。

測(cè)試字符串?dāng)?shù)組如下：

    String[] arr = {
        "1-測(cè)試",
        "1-編輯",
        "1-營銷",
        "1結(jié)束",
        "2-測(cè)試",
        "1-qt"
    };

按unicode排序的期望結(jié)果應(yīng)該是這樣的：

1-編輯, 1-測(cè)試, 1-營銷, 1-qt, 1結(jié)束, 2-測(cè)試

先按java.lang.String類提供的默認(rèn)比較方案進(jìn)行實(shí)現(xiàn)，大致如下：

import java.util.Arrays;
import java.util.Comparator;
public class MyJob {
  public static void main(String[] args) {
    String[] arr = {
        "1-測(cè)試",
        "1-編輯",
        "1-營銷",
        "1結(jié)束",
        "2-測(cè)試",
        "1-qt"
    };
    Comparator<String> c = String::compareTo;
    Arrays.sort(arr, c);
    System.out.println(Arrays.toString(arr));
  }
}

結(jié)果如下：

[1-qt, 1-測(cè)試, 1-編輯, 1-營銷, 1結(jié)束, 2-測(cè)試]

可以看到中文字符不能按照拼音進(jìn)行排序。這時(shí)最直接的思路就是將中文字符轉(zhuǎn)為拼音后再進(jìn)行排序。但是要注意下，在這里面有個(gè)字符串不包含中文字符，這就容易導(dǎo)致順序混亂。

如下面這幾個(gè)字符串按拼音進(jìn)行排序順序如下：

1-編輯，1-測(cè)試，1-qt，1-營銷

可以看到字符串“1-qt”的位置出錯(cuò)了。但是按拼音來說它的位置又是對(duì)的。這不能不說是一個(gè)讓人有些頭疼的地方。

不過不用擔(dān)心，java提供了java.text.Collator類來支持規(guī)范化的字符串比較。

使用Collator來改造之前的代碼：

import java.text.Collator;
import java.util.Arrays;
import java.util.Comparator;
import java.util.Locale;
public class MyJob {
  public static void main(String[] args) {
    String[] arr = {
        "1-測(cè)試",
        "1-編輯",
        "1-營銷",
        "1結(jié)束",
        "2-測(cè)試",
        "1-qt"
    };
    Comparator<String> c = (o1, o2) -> Collator.getInstance(Locale.CHINESE).compare(o1, o2);
    Arrays.sort(arr, c);
    System.out.println(Arrays.toString(arr));
  }
}

改造后的程序執(zhí)行排序的結(jié)果如下：

[1-qt, 1-編輯, 1-測(cè)試, 1結(jié)束, 1-營銷, 2-測(cè)試]

結(jié)果看著好像還OK。但是停停、注意下、字符串“1結(jié)束”的位置好像比較奇妙，理想情況下它應(yīng)該在“1-營銷”的后面。

這里出問題的原因我沒有弄清楚。猜測(cè)著應(yīng)該是java在Chinese語法中將中劃線處理為空字符了。不過最根本的問題還是java對(duì)Unicode Collation Algorithm（UCA，Unicode整理算法）的支持并不好。

此時(shí)可以考慮使用IBM ICU提供的Collator來替換jdk默認(rèn)的Collator。代碼如下：

import com.ibm.icu.text.Collator;
import java.util.Arrays;
import java.util.Comparator;
import java.util.Locale;
public class MyJob {
  public static void main(String[] args) {
    String[] arr = {
        "1-測(cè)試",
        "1-編輯",
        "1-營銷",
        "1結(jié)束",
        "2-測(cè)試",
        "1-qt"
    };
    Comparator<String> c = (o1, o2) -> Collator.getInstance(Locale.CHINESE).compare(o1, o2);
    Arrays.sort(arr, c);
    System.out.println(Arrays.toString(arr));
  }
}

相關(guān)的依賴為：

   <dependency>
      <groupId>com.ibm.icu</groupId>
      <artifactId>icu4j-localespi</artifactId>
      <version>60.2</version>
    </dependency>

執(zhí)行結(jié)果為：

[1-編輯, 1-測(cè)試, 1-營銷, 1-qt, 1結(jié)束, 2-測(cè)試]

可以看到是和預(yù)期一致的。

總結(jié)

向AI問一下細(xì)節(jié)

Java 中文字符按Unicode排序的實(shí)現(xiàn)方法

猜你喜歡

最新資訊

相關(guān)推薦

相關(guān)標(biāo)簽