提高你的Java代码质量吧：中文字符串排序的瑕疵

一、分析 

在Java中一设计中文处理就会冒出很多问题来，其中排序也是一个让人头疼的课题。 

我们知道Arrays工具类的默认排序是通过数组元素的compareTo方法来进行比较的，那我们来看String类的compareTo方法的主要实现： 

[java] view plain copy print ?

1. while(k < lim){   
2.     //原字符串的字符数组    
3.     char c1 = v1[k];   
4.     //比较字符串的字符数组    
5.     char c2 = v2[k];   
6.    
7.     if(c1 != c2){   
8.         //比较两者的char值大小    
9.         return c1 - c2;   
10.     }   
11.     k++   
12. }   

while(k < lim){ 
    //原字符串的字符数组 
    char c1 = v1[k]; 
    //比较字符串的字符数组 
    char c2 = v2[k]; 
 
    if(c1 != c2){ 
        //比较两者的char值大小 
        return c1 - c2; 
    } 
    k++ 
} 

它是先取得字符数组，然后一个一个地比较大小，注意这里是字符比较（减号操作符），也就是UNICODE码值比较。 

二、场景 

我们看如下代码： 

[java] view plain copy print ?

1. public static void main(String[] args){   
2.     String[] strs = {"张三（Z）","李四（L）","王五（W）"};   
3.     //排序，默认是升序    
4.     Arrays.sort(strs);   
5.    
6.     int i = 0;   
7.     for(String str:strs){   
8.         System.out.println((++i) + "、" + str);   
9.     }   
10. }   

public static void main(String[] args){ 
    String[] strs = {"张三（Z）","李四（L）","王五（W）"}; 
    //排序，默认是升序 
    Arrays.sort(strs); 
 
    int i = 0; 
    for(String str:strs){ 
        System.out.println((++i) + "、" + str); 
    } 
} 

结果： 

1、张三（Z） 

2、李四（L） 

3、王五（W） 

由上面分析Arrays.sort()使用数组元素的compareTo方法进行比较，它比较字符数组的UNICODE码值，查下UNICODE代码表，"张"的码值是5F20，"李"是674E，这样一看，"张"排在"李"前面也就正确了。 

 

但是这与我们的意图冲突，这一点在JDK文档中也有说明：对于非英文的String排序，可能会出现不正确的情况。 

那我们如何解决呢？Java推荐使用Collator类进行排序，代码修改如下： 

[java] view plain copy print ?

1. public static void main(String[] args)throws Exception{   
2.     String[] strs = {"张三（Z）","李四（L）","王五（W）"};   
3.     //定义一个中文排序器    
4.     Comparator c = Collator.getInstance(Local.CHINA);   
5.     //升序排列    
6.     Arrays.sort(strs,c);   
7.    
8.     int i = 0;   
9.     for(String str:strs){   
10.         System.out.println((++i) + "、" + str);   
11.     }   
12. }   

public static void main(String[] args)throws Exception{ 
    String[] strs = {"张三（Z）","李四（L）","王五（W）"}; 
    //定义一个中文排序器 
    Comparator c = Collator.getInstance(Local.CHINA); 
    //升序排列 
    Arrays.sort(strs,c); 
 
    int i = 0; 
    for(String str:strs){ 
        System.out.println((++i) + "、" + str); 
    } 
} 

结果： 

1、李四（L） 

2、王五（W） 

3、张三（Z） 

但是注意了，汉字有象行文字，音行分离。不是每个汉字都能按照拼音的顺序排序好的，如"犇"和"鑫"。 

三、建议 

如果是排序对象是经常使用的汉字，使用Collator类排序完全就可以满足我们的要求。如果需要严格排序，则需要使用一些开源的项目来实现了，比如pinyin4j可以把汉字转换为拼音，然后我们自己来实现排序算法。