使用Locale.SIMPLIFIED_CHINESE对排序器进行错误排序

Question

我试着用Locale.SIMPLIFIED_CHINESE订购一份中文国家的名单，这似乎是用拼音(拼音字母，也就是按照拉丁文对应的组合排序，从A到Z)。

但我发现有些案子下得不好。例如：

• '中‘字符是中
• '梵‘字符是梵

正确的顺序应该是梵<中，而不是以另一种方式排序。

String[] characters = new String[] {"梵", "中"};
List<String> list = Arrays.asList(characters);
System.out.println("Before sorting...");
System.out.println(list.toString());

Collator collator = Collator.getInstance(Locale.SIMPLIFIED_CHINESE);
collator.setStrength(Collator.PRIMARY);
Collections.sort(list, collator);

System.out.println("After sorting...");
System.out.println(list.toString());

此片段的结果如下：

Before sorting...
[梵, 中]
After sorting...
[中, 梵]

更进一步，我发现了Java应用于Locale.SIMPLIFIED_CHINESE的规则。您可以在下一张图片中找到：https://postimg.cc/image/4t915a7gp/full/ (请注意，梵在中之后)

我意识到，在<口<口<口<口<口之前，我用红色高亮显示，所有字符都是按照拉丁文对应的组合排序的，从A到Z。但是，在<口<口<口<口<口符号之后，字符是根据字符的组合排列的。例如，如果所有字符都有相同的部分(通常是字符的左边部分)，那么它们就会被分组在一起，而不是按照A到Z规则。

此外，<口<口<口<口<口之后的所有字符都是较不常见的汉字。因此，与<口<口<口<口<口相比，梵是一个不常见的字符，因此它被放在中之后。

我不知道为什么这个决定，如果它是故意的。但它会导致错误的分类。我不知道怎么找到解决办法。

Answer 1

Java中的排序器提供的排序顺序基于编写该字符所需的笔画。

见下面要演示的小片段。从维基百科获取的笔画数字

// the unicode character and the number of strokes
String[] characters = new String[]{
    "\u68B5 (11)", "\u4E2D (4)", 
    "\u5207 (4)", "\u5973 (3)", "\u898B (7)"
};
List<String> list = Arrays.asList(characters);
System.out.println("Before sorting...");
System.out.println(list.toString());

Collator collator = Collator.getInstance(Locale.TRADITIONAL_CHINESE);
collator.setStrength(Collator.PRIMARY);
System.out.println();
Collections.sort(list, collator);

System.out.println("After sorting...");
System.out.println(list.toString());

输出

Before sorting...
[梵 (11), 中 (4), 切 (4), 女 (3), 見 (7)]

After sorting...
[女 (3), 中 (4), 切 (4), 見 (7), 梵 (11)]

有一个增强请求JDK-6415666根据Unicode排序规则来实现排序顺序。但是，根据有关支持Java 8的地区的信息，它不是在Java8中实现的。

编辑使用来自icu4j的排序器排序顺序是

[梵 (11), 見 (7), 女 (3), 切 (4), 中 (4)]

ICU4J代码段

import com.ibm.icu.text.Collator;
import com.ibm.icu.text.RuleBasedCollator
...
Locale locale = new Locale("zh", "", "PINYIN");
Collator collator = (RuleBasedCollator) Collator.getInstance(locale);