Java如何实现拼音排序？

在我们国家，按拼音进行排序是很常见的需求，比如姓名，那如何按拼音进行排序呢？

假如我们有以下List：

List<String> list = new ArrayList<>();
list.add("周瑜");
list.add("大都督");
list.add("周文王");
list.add("周武王");
list.add("周公");

如果我们采用最简单的排序方式：

list.sort(String::compareTo);

结果为：

[周公, 周文王, 周武王, 周瑜, 大都督]

很明显，结果不是拼音顺序，“大都督”应该要在最前面，那这种情况是按什么逻辑排的序呢？

上面的排序代码相当于：

list.sort(new Comparator<String>() {
    @Override
    public int compare(String s1, String s2) {
        return s1.compareTo(s2);
    }
});

本质上是比较两个String的大小，小的排在前面，大的排在后面，那两个String默认是怎么比较大小的呢？

通过查看compareTo的源码，发现底层调用的是：

StringUTF16.compareTo(s1, s2)

因此，本质上比较的是两个String的UTF16编码的大小关系，比如：

• “周瑜”的UTF16编码为：54 68 74 5C
• “大都督”的UTF16编码为：59 27 90 FD 77 63

很明显，直接比较第一个字节就能发现“周瑜”小于“大都督”，因为54小于59，所以在排序结果中，“周瑜”排在了“大都督”的前面。

原谅我，以上都是铺垫，接下来才是正文，那如何按拼音进行排序呢？

排序的本质其实都一样，都是把字符转成特定的编码，然后比较编码的大小关系，那么有没有一种编码是按拼音来编码的呢？

有，那就是GBK。

比如：

• “啊”的GKB编码为：B0 A1
• “阿”的GKB编码为：B0 A2

或者，大家可以直接去看GBK的编码表：GBK编码表

我截其中一部分

可以发现，GBK是妥妥的按拼音顺序来的。

因此，我们只需要将字符串按GBK进行编码然后比较大小，就可以实现按拼音排序了，比如：

list.sort(new Comparator<String>() {
    @Override
    public int compare(String s1, String s2) {
        try {
            byte[] s1Bytes = s1.getBytes("GBK");
            byte[] s2Bytes = s2.getBytes("GBK");

            int s1Size = s1Bytes.length;
            int s2Size = s2Bytes.length;

            int size = Math.min(s1Size, s2Size);

            for (int i = 0; i < size; i++) {
                byte b1 = s1Bytes[i];
                byte b2 = s2Bytes[i];

                if (b1 != b2) {
                    return b1 - b2;
                }
            }

            return s1Size - s2Size;
        } catch (UnsupportedEncodingException e) {
            throw new RuntimeException(e);
        }

    }
});

这样，结果就变为了：

[大都督, 周公, 周文王, 周武王, 周瑜]

符合预期。

当然，上面的代码写的比较粗糙，Java中有现成的实现，比如：

list.sort(new Comparator<String>() {
    @Override
    public int compare(String s1, String s2) {
        return Collator.getInstance(Locale.CHINESE).compare(s1, s2);

    }
});

结果也是：

[大都督, 周公, 周文王, 周武王, 周瑜]

或者你可以直接用Hutool提供的封装好的方法：

CollUtil.sortByPinyin(list);

本质都是一样的，都是按GBK来进行编码和排序的。

这就是拼音排序，感谢大家的点赞、关注、分享，谢谢。

我是大都督周瑜，欢迎关注我的公众号：IT周瑜，我会持续分享深度技术文章、常见经典面试题、学习路线、职业规范、实战经验。