中文字母顺序- java.text.Collator

Question

我一直在测试中文字母排序(如果我可以这么说的话)。Excel就是这样对一些示例单词进行排序的：

啊<波<词<的<俄<佛<歌<和<及<课<了<馍<呢<票<气<日<四<特<瓦<喜<以<只 0<2<85

这就是Collections.sort(list, simplified_chinese_collator_comparator) (粗体中的第一个冒犯字符)的结果：

啊<波<词<的<俄<佛<歌<和<及<课<了<呢<票<气<日<四<特<瓦<喜<以<只<馍 !<@<0<2<85

我对中文一无所知。有谁知道为什么Collator输出是不同的，或者它基于什么？

还有其他基于语言的排序库吗？

Answer 1

为什么不一样？因为有几种不同的方法对表意文字，甚至整个单词进行排序。萦绕在我脑海中的是：

• 按笔画数
• 使用拉丁文音译，然后按“自然”顺序排列(当然是按照中文的规则)

还有其他方法，例如Unicode技术报告#35提到了其中的一些方法(更多的是偶然的，不是故意的)，但是您必须有足够的时间来研究它。

要回答您的问题，为什么这些排序顺序是不同的，这仅仅是因为Java包含自己的排序规则，并且它不依赖于操作系统的排序规则(就像Excel一样)。这些规则可能不一样。您还可能希望尝试ICU，它是Java中类和规则的来源(通常比JDK领先一步)。

Answer 2

Java 6或7中没有排序器，它将按照与第一个示例相同的顺序对中文进行排序。

public static void main(String... args) {
    String text1 = "啊<波<词<的<俄<佛<歌<和<及<课<了<馍<呢<票<气<日<四<特<瓦<喜<以<只";
    findLocaleForSortedOrder(text1);
    String text2 = "啊<波<词<的<俄<佛<歌<和<及<课<了<呢<票<气<日<四<特<瓦<喜<以<只<馍";
    findLocaleForSortedOrder(text2);
}

private static void findLocaleForSortedOrder(String text) {
    System.out.println("For " + text + " found...");
    String[] preSorted = text.split("<");
    for (Locale locale : Collator.getAvailableLocales()) {
        String[] sorted = preSorted.clone();
        Arrays.sort(sorted, Collator.getInstance(locale));
        if (Arrays.equals(preSorted, sorted))
            System.out.println("Locale " + locale + " has the same sorted order");
    }
    System.out.println();
}

版画

For 啊<波<词<的<俄<佛<歌<和<及<课<了<馍<呢<票<气<日<四<特<瓦<喜<以<只 found...

For 啊<波<词<的<俄<佛<歌<和<及<课<了<呢<票<气<日<四<特<瓦<喜<以<只<馍 found...
Locale zh_CN has the same sorted order
Locale zh has the same sorted order
Locale zh_SG has the same sorted order