Java_String_对字符串排序持一种宽容的心态

在Java中一涉及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问题，我们来看下面的代码：

package deep;

import java.util.Arrays;

public class Client {

    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);
        }
    }

}

运行结果：
1、张三（Z）
2、李四（L）
3、王五（W）

上面的代码定义了一个数组，然后进行升序排序，我们期望的结果是按照拼音升序排列，即为李四、王五、张三，但是结果却不是这样的。
这是按照什么排序的呀，非常混乱！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的主要实现：

        while (k < lim) {
            char c1 = v1[k];
            char c2 = v2[k];
            if (c1 != c2) {
                return c1 - c2;
            }
            k++;
        }

上面的代码先取得字符串的字符数组，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码值的比较，查一下UNICODE代码表，“张”的码值是5F20，而“李”是674E，这样一看，“张”排在“李”的前面也就很正确了——但这明显和我们的意图冲突了。这一点在JDK文档中也有说明：对于非英文的String排序可能会出现不准确的情况。那该如何解决这个问题呢？Java推荐使用Collator类进行排序，那好，我们把代码修改一下：

package deep;

import java.text.Collator;
import java.util.Arrays;
import java.util.Comparator;
import java.util.Locale;

public class Client {

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

}

运行结果：
1、李四（L）
2、王五（W）
3、张三（Z）

这确实是我们期望的结果，应该举杯庆贺了吧！但是且慢，中国的汉字博大精深，Java是否都能精确的排序呢？最主要的一点是汉字中有象形文字，音形分离，是不是每个汉字都能按照拼音的顺序排列好呢？我们写一个复杂的汉字来看看：

package deep;

import java.text.Collator;
import java.util.Arrays;
import java.util.Comparator;
import java.util.Locale;

public class Client {

    public static void main(String[] args) {
        String[] strs = { "犇（B）", "鑫（X）" };
        Comparator c = Collator.getInstance(Locale.CHINA);
        Arrays.sort(strs, c);
        int i = 0;
        for (String str : strs) {
            System.out.println((++i) + "、" + str);
        }
    }

}

运行结果：
1、鑫（X）
2、犇（B）

三个牛“犇”念ben，三个金“鑫”念xin，这两个字经常出现在饭店和商店的名称上，但输出的结果是乱的！不要责怪Java，它已经尽量为我们考虑了，只是因为我们的汉字文化太博大精深了，要做好这个排序确实有点难为它。更深层次的原因是Java使用的是UNICODE编码，而中文UNICODE字符集是来源于GB18030的，GB18030又是从GB2312发展起来，GB2312是一个包含了7000多个字符的字符集，它是按照拼音排序，并且是连续的，之后的GBK、GB18030都是在其基础上扩充出来的，所以要让它们完整排序也就难上加难了。
如果需排序对象是经常使用的汉字，使用Collator类排序完全可以满足我们的要求，毕竟GB2312已经包含了大部分的文字，如果需要严格排序，则要使用一些开源项目来自己实现了，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，不过此时你也会发现要考虑诸如算法、同音字、多音字等众多问题。

注：如果排序不是一个关键算法，使用Collator类即可。