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：
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：
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：
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：
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。
總結
新聞熱點
疑難解答
圖片精選
