遇到了一個對包含中文的字符串進行排序的問題。要求按unicode編碼對字符串進行排序。
測試字符串數組如下：
|
1
2
3
4
5
6
7
8
|
string[] arr = { "1-測試", "1-編輯", "1-營銷", "1結束", "2-測試", "1-qt"}; |
按unicode排序的期望結果應該是這樣的：
1-編輯, 1-測試, 1-營銷, 1-qt, 1結束, 2-測試
先按java.lang.string類提供的默認比較方案進行實現，大致如下：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
import java.util.arrays;import java.util.comparator;public class myjob { public static void main(string[] args) { string[] arr = { "1-測試", "1-編輯", "1-營銷", "1結束", "2-測試", "1-qt" }; comparator<string> c = string::compareto; arrays.sort(arr, c); system.out.println(arrays.tostring(arr)); }} |
結果如下：
[1-qt, 1-測試, 1-編輯, 1-營銷, 1結束, 2-測試]
可以看到中文字符不能按照拼音進行排序。這時最直接的思路就是將中文字符轉為拼音后再進行排序。但是要注意下，在這里面有個字符串不包含中文字符，這就容易導致順序混亂。
如下面這幾個字符串按拼音進行排序順序如下：
1-編輯，1-測試，1-qt，1-營銷
可以看到字符串“1-qt”的位置出錯了。 但是按拼音來說它的位置又是對的。這不能不說是一個讓人有些頭疼的地方。
不過不用擔心，java提供了java.text.collator類來支持規范化的字符串比較。
使用collator來改造之前的代碼：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
|
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-測試", "1-編輯", "1-營銷", "1結束", "2-測試", "1-qt" }; comparator<string> c = (o1, o2) -> collator.getinstance(locale.chinese).compare(o1, o2); arrays.sort(arr, c); system.out.println(arrays.tostring(arr)); }} |
改造后的程序執行排序的結果如下：
[1-qt, 1-編輯, 1-測試, 1結束, 1-營銷, 2-測試]
結果看著好像還ok。但是停停、注意下、字符串“1結束”的位置好像比較奇妙，理想情況下它應該在“1-營銷”的后面。
這里出問題的原因我沒有弄清楚。猜測著應該是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unicode collation algorithm（uca，unicode整理算法）的支持并不好。
此時可以考慮使用ibm icu提供的collator來替換jdk默認的collator。代碼如下：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
|
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-測試", "1-編輯", "1-營銷", "1結束", "2-測試", "1-qt" }; comparator<string> c = (o1, o2) -> collator.getinstance(locale.chinese).compare(o1, o2); arrays.sort(arr, c); system.out.println(arrays.tostring(arr)); }} |
相關的依賴為：
|
1
2
3
4
5
|
<dependency> <groupid>com.ibm.icu</groupid> <artifactid>icu4j-localespi</artifactid> <version>60.2</version> </dependency> |
執行結果為：
[1-編輯, 1-測試, 1-營銷, 1-qt, 1結束, 2-測試]
可以看到是和預期一致的。
總結
原文鏈接：http://www.zhyea.com/2018/10/30/java-string-in-chinese-sort-with-unicode.html
