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：
|
1
2
3
4
5
6
7
8
|
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
先按java.lang.string类提供的默认比较方案进行实现，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-测试", "1-编辑", "1-营销", "1结束", "2-测试", "1-qt" }; comparator<string> c = string::compareto; arrays.sort(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]
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
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collator来改造之前的代码：
|
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-测试", "1-编辑", "1-营销", "1结束", "2-测试", "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]
结果看着好像还ok。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chinese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 collation algorithm（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collator来替换jdk默认的collator。代码如下：
|
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-测试", "1-编辑", "1-营销", "1结束", "2-测试", "1-qt" }; comparator<string> c = (o1, o2) -> collator.getinstance(locale.chinese).compare(o1, o2); arrays.sort(arr, c); system.out.println(arrays.tostring(arr)); }} |
相关的依赖为：
|
1
2
3
4
5
|
<dependency> <groupid>com.ibm.icu</groupid> <artifactid>icu4j-localespi</artifactid> <version>60.2</version> </dependency> |
执行结果为：
[1-编辑, 1-测试, 1-营销, 1-qt, 1结束, 2-测试]
可以看到是和预期一致的。
总结
原文链接：http://www.zhyea.com/2018/10/30/java-string-in-chinese-sort-with-unicode.html
