Java 中文字元按Unicode排序
摘要：
遇到了一個對包含中文的字串進行排序的問題。要求按unicode編碼對字串進行排序。
測試字串陣列如下：
String[] arr = {
"1-測試",
"1-編輯",
...
遇到了一個對包含中文的字串進行排序的問題。要求按unicode編碼對字串進行排序。
測試字串陣列如下：
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類提供的預設比較方案進行實現，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]
可以看到中文字元不能按照拼音進行排序。這時最直接的思路就是將中文字元轉為拼音後再進行排序。但是要注意下，在這裡面有個字串不包含中文字元，這就容易導致順序混亂。
如下面這幾個字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類來支援規範化的字串比較。
使用Collator來改造之前的程式碼：
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));
}
}
改造後的程式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”的後面。
這裡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元了。不過最根本的問題還是java對Unicode Collation Algorithm（UCA，Unicode整理演算法）的支援並不好。
此時可以考慮使用IBM ICU提供的Collator來替換jdk預設的Collator。程式碼如下：
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：
<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。
參考文件
- ofollow,noindex" target="_blank">Java Unicode strings sorting
- ICU User Guide – JNI
##########