遇到了一个对包含中文的字符串进行排序的问题。要求按unicode编码对字符串进行排序。
测试字符串数组如下:
String [] arr={ “1 -测试”, “1 -编辑”, “1 -营销”, “1结束”, “2 -测试”, “1-qt”};
按unicode排序的期望结果应该是这样的:
1 -编辑,1 -测试,1 -营销,1-qt, 1结束,2 -测试
引用>
先按以类提供的默认比较方案进行实现,大致如下:
进口java.util.Arrays; 进口java.util.Comparator; 公开课MyJob { 公共静态void main (String [] args) { String [] arr={ “1 -测试”, “1 -编辑”, “1 -营销”, “1结束”, “2 -测试”, “1-qt” }; Comparatorc=字符串:compareTo; 数组。排序(arr c); System.out.println (Arrays.toString (arr)); } } 结果如下:
[1-qt, 1 -测试,1 -编辑,1 -营销,1结束,2 -测试]
引用>
可以看到中文字符不能按照拼音进行排序。这时最直接的思路就是将中文字符转为拼音后再进行排序。但是要注意下,在这里面有个字符串不包含中文字符,这就容易导致顺序混乱。
如下面这几个字符串按拼音进行排序顺序如下:
1 -编辑,1 -测试,1-qt, 1 -营销
引用>
可以看到字符串“1-qt”的位置出错了。但是按拼音来说它的位置又是对的。这不能不说是一个让人有些头疼的地方。
不过不用担心,java提供了java.text.Collator类来支持规范化的字符串比较。
使用排序器来改造之前的代码:
进口java.text.Collator; 进口java.util.Arrays; 进口java.util.Comparator; 进口java.util.Locale; 公开课MyJob { 公共静态void main (String [] args) { String [] arr={ “1 -测试”, “1 -编辑”, “1 -营销”, “1结束”, “2 -测试”, “1-qt” }; Comparatorc=(o1、o2)→Collator.getInstance (Locale.CHINESE) .compare (o1、o2); 数组。排序(arr c); System.out.println (Arrays.toString (arr)); } } 改造后的程序执行排序的结果如下:
[1-qt, 1 -编辑,1 -测试,1结束,1 -营销,2 -测试]
引用>
结果看着好像还好。但是停,停注意下,字符串“1结束”的位置好像比较奇妙,理想情况下它应该在“1 -营销”的后面。
这里出问题的原因我没有弄清楚。猜测着应该是java在中国语法中将中划线处理为空字符了。不过最根本的问题还是java对Unicode排序算法(UCA, Unicode整理算法)的支持并不好。
此时可以考虑使用IBM ICU提供的排序器来替换jdk默认的排序器。代码如下:
进口com.ibm.icu.text.Collator; 进口java.util.Arrays; 进口java.util.Comparator; 进口java.util.Locale; 公开课MyJob { 公共静态void main (String [] args) { String [] arr={ “1 -测试”, “1 -编辑”, “1 -营销”, “1结束”, “2 -测试”, “1-qt” }; Comparatorc=(o1、o2)→Collator.getInstance (Locale.CHINESE) .compare (o1、o2); 数组。排序(arr c); System.out.println (Arrays.toString (arr)); } } 相关的依赖为:
& lt; dependency> & lt; groupId> com.ibm.icu & lt; artifactId> icu4j-localespi & lt; version> 60.2 & lt;/version> & lt;/dependency>执行结果为:
[1 -编辑,1 -测试,1 -营销,1-qt, 1结束,2 -测试)
引用>可以看到是和预期一致的。
总结
Java中文字符按Unicode排序的实现方法