java字符串排序_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课题，我们来看下面的代码：

上面的代码定义一个数组，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：

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—但这明显与我们的意图冲突了。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：

输出结果如下：

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：

三个牛“犇”读bēn，三个金“鑫”读xīn，这两个字经常出现在饭店和商店的名称上，我们来看排序的输出结果：

输出结果又乱了！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。

如果是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汉字，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。

本文参考自：《编写高质量代码：改善java程序的151个建议》

作者：秦小波

声明：本文只供学习使用，未涉及任何商业利益，如有侵权，立删。

支持作者

赞赏就不用啦，生活都不易，右下角的“在看/赞”点一下，如果感觉文章不错，记得分享到朋友圈让更多人知道！