Jjava中文汉字排序

来源(Chinese Linux University)

From: http://www.chineselinuxuniversity.net/articles/31832.shtml

  摘自: www.chinaitlab.com 被阅读次数: 5

  由 yangyi 于 2010-02-02 21:55:13 提供

// Collator 类是用来执行区分语言环境的 String 比较的,这里选择使用CHINA
Comparator cmp = Collator.getInstance(java.util.Locale.CHINA);
TreeMap tree=new TreeMap(cmp);
String[] arr = {"张三", "李四", "王五"};
// 使根据指定比较器产生的顺序对指定对象数组进行排序。
Arrays.sort(arr, cmp);
for (int i = 0; i < arr.length; i++)
    System.out.println(arr[i]);


<script>
names = ["张三", "李四", "王五", "刘六"];
names.sort(function(a,b){return a.localeCompare(b)});//a,b 为数组a的某两个值,自动传入
alert(names);
</script>


  另:

  示例文本:

String [] test = new String[] {
    "作业",
    "测试",
    "test",
    "我们",
    "。空",
    "镂空",
    "[",
    "浏",
    "皙"
};


  jdk 版本:

  1.5.6

  开发平台:

  Eclipse 3.1

  关键字: 中文排序

  概述

  我们在应用程序中可能会经常遇到对中文排序的问题,例如姓名列表,词汇表等等。对中文排序,我们使用比较多的是根据汉语拼音发音来确定顺序。

  我们可能会经常使用

  java.util.Set

  接口,

  java.util.Arrays .sort((T[] a, Comparator <? super T> c))

  等类或方法对含有中文字符的对象进行排序,但是这些在默认情况下都是调用

  String .CompareTo(String )

  方法,这个方法是比较2个字符的 codepoint value,如果第一个字符的值小于第二个,则在排序结果中第一个会在前面,反之亦然。

  java.text.Collator

  接口及其实现类

  其实 java 中提供了和语言相关的类,即 Collator 接口及其实现类。

  java.text.RuleBasedCollator

  是一个具体类,它实现了 Comparator 接口中的 compare(Object, Object) 方法。RuleBasedCollator 根据根据特定语言的默认规则比较字符,也可以按照指定的规则来比较,请参阅 java API 获取此类的详细信息。

  如果我们需要对一个有中文的数组进行排序,则可以使用这个类。请看如下示例代码:

import java.util.*;
import java.text.*;
public class Test
{
    String [] test = new String [] {
        "作业" ,
        "测试" ,
        "test" ,
        "我们" ,
        "。空" ,
        "镂空" ,
        "[" ,
        "浏" ,
        "皙"
    };
    java.util.Arrays .sort(test,
    (RuleBasedCollator )Collator .getInstance(Locale .CHINA));
    System .out.println("============" );
    for (String key : test)
    System .out.println(key);
}


  以上代码的输出结果为:

============
[
test
。空
测试
我们
作业
浏
镂空
皙


  大家可能会发现只有一部分汉字是按照汉语拼音排序了,还有几个没有。

  问题分析:

  GB2312:

  在简体中文中我们使用比较多的字符集是 GB2312-80,简称为 GB2312,这个字符集包含了目前最常用的汉字共计 6736 个。其中的汉字分为两大类:

  常用汉字

  次常用汉字

  常用汉字按照汉语拼音来排序,而次常用汉字按照笔画部首进行排序。

  简体汉字在 Unicode 中一般是按照 gb2312 的码点值的顺序来放置的,所以如果是常用汉字 java 就能够很准确的进行排序,但如果是次常用汉字,则就会出现问题。在以上示例中,"镂","皙" 属于次常用字。

  解决方案:

  RuleBasedCollator 类 getRules() 方法可以返回对应语言的规则设置。简体中文对应的规则是 gb2312 所对应的字符。

  我们可以把其中的全部汉字提取出来

  对这些汉字重新排序

  利用RuleBasedCollator(String rules) 构造器新建一个定制的 RuleBasedCollator

  参考代码

  在以下的代码中,我把排过序的汉字直接作为 String 对象放在类里面了,如果要让代码变得简洁一些,则可以把完整的规则(特殊字符+排序汉字)存为文件。

package sorting;
import java.util.*;
import java.text.*;
/**
* @author GaoJianMin
*
*/
public class ChineseGB2312Collator
{
    /**
    * @return a customized RuleBasedCollator with Chinese characters (GB2312) sorted correctly
    *
    */
    public static final RuleBasedCollator getFixedGB2312Collator()
    {
        RuleBasedCollator fixedGB2312Collator =null ;
        try
        {
            fixedGB2312Collator = new java.text.RuleBasedCollator (
            ChineseGB2312Collator.getGB2312SpecialChars() +
            GB2312Chars
            );
        }catch (ParseException e)
        {
            e.printStackTrace();
        }
        return fixedGB2312Collator;
    }
    /**
    * @return the special characters in GB2312 charset.
    *
    */
    public static final String getGB2312SpecialChars()
    {
        RuleBasedCollator zh_CNCollator = (RuleBasedCollator )Collator .getInstance(Locale .CHINA);
        //index 2125 is the last symbol "╋"
        return zh_CNCollator.getRules().substring(0,2125);
    }
    /**
    * 6763 Chinese characters in GB2312 charset
    */
    public static final String GB2312Chars =
    "<吖<阿<啊<锕<嗄<哎<哀<唉<埃<挨<锿<捱< 皑<癌<嗳<矮<蔼<霭<艾<爱<砹<隘<嗌<嫒<碍<暧< 瑷<安<桉<氨<庵<谙<鹌<鞍<俺<埯<铵<揞<犴<岸< 按<案<胺<暗<黯<肮<昂<盎<凹<坳<敖<嗷<廒<獒< 遨<熬<翱<聱<螯<鳌<鏖<拗<袄<媪<岙<傲<奥<骜< 澳<懊<鏊" +
    "<八<巴<叭<扒<吧<岜<芭<疤<捌<笆<粑<拔< 茇<菝<跋<魃<把<钯<靶<坝<爸<罢<鲅<霸<灞<掰< 白<百<佰<柏<捭<摆<呗<败<拜<稗<扳<班<般<颁< 斑<搬<瘢<癍<阪<坂<板<版<钣<舨<办<半<伴<扮< 拌<绊<瓣<邦<帮<梆<浜<绑<榜<膀<蚌<傍<棒<谤< 蒡<磅<镑<勹<包<孢<苞<胞<煲<龅<褒<雹<宝<饱< 保<鸨<堡<葆<褓<报<抱<豹<趵<鲍<暴<爆<陂<卑< 杯<悲<碑<鹎<北<贝<狈<邶<备<背<钡<倍<悖<被< 惫<焙<辈<碚<蓓<褙<鞴<鐾<奔<贲<锛<本<苯<畚< 坌<笨<崩<绷<嘣<甭<泵<迸<甏<蹦<逼<荸<鼻<匕< 比<吡<妣<彼<秕<俾<笔<舭<鄙<币<必<毕<闭<庇< 畀<哔<毖<荜<陛<毙<狴<铋<婢<庳<敝<萆<弼<愎< 筚<滗<痹<蓖<裨<跸<辟<弊<碧<箅<蔽<壁<嬖<篦< 薜<避<濞<臂<髀<璧<襞<边<砭<笾<编<煸<蝙<鳊< 鞭<贬<扁<窆<匾<碥<褊<卞<弁<忭<汴<苄<拚<便< 变<缏<遍<辨<辩<辫<灬<杓<彪<标<飑<髟<骠<膘< 瘭<镖<飙<飚<镳<表<婊<裱<鳔<憋<鳖<别<蹩<瘪< 宾<彬<傧<斌<滨<缤<槟<镔<濒<豳<摈<殡<膑<髌< 鬓<冫<冰<兵<丙<邴<秉<柄<炳<饼<禀<并<病<摒< 拨<波<玻<剥<钵<饽<啵<脖<菠<播<伯<孛<驳<帛< 泊<勃<亳<钹<铂<舶<博<渤<鹁<搏<箔<膊<踣<薄< 礴<跛<簸<擘<檗<逋<钸<晡<醭<卜<卟<补<哺<捕< 不<布<步<怖<钚<部<埠<瓿<簿" ;
}


package sorting;
import java.util.*;
import java.text.*;
/**
* @author GaoJianMin
*
*/
public class ChineseGB2312Comparator implements Comparator <String >, Comparable <String > {
    private RuleBasedCollator GB2312Collator =
    ChineseGB2312Collator.getFixedGB2312Collator();
    private String str1;
    /**
    * @param str1
    */
    public ChineseGB2312Comparator(String str1) {
        this .str1 = str1;
    }
    /**
    *
    */
    public ChineseGB2312Comparator() {
        this .str1="" ;
    }
    /**
    * @param str1
    * @param str2
    * @return an integer indicatint the comparison result
    * @see java.util.Comparator#compare(Object, Object)
    */
    public int compare(String str1, String str2) {
        return GB2312Collator.compare(str1, str2);
    }
    /**
    * @param str2
    * @return an integer indicatint the comparison result
    *   @see java.lang.Comparable#compareTo(Object)
    */
    public int compareTo(String str2) {
        return GB2312Collator.compare(str1, str2);
    }
}


  测试代码及结果

  代码:

import java.util.*;
import java.text.*;
public class Test
{
    String [] test = new String [] {
        "作业" ,
        "测试" ,
        "test" ,
        "我们" ,
        "。空" ,
        "镂空" ,
        "[" ,
        "浏" ,
        "皙"
    };
    java.util.Arrays .sort(test, new ChineseGB2312Comparator());
    System .out.println("============" );
    for (String key : test)
    System .out.println(key);
}


  ChineseGB2312Comparator 类同时实现了 Comparator, Comparable 接口,这样以后能够使用 compare, compareTo 方法的时候都可以使用这个类。

  原文链接: http://java.chinaitlab.com/advance/802105.html

Link: http://www.asm32.net/article_details.aspx?id=4833


浏览次数 0 发布时间 2010-02-04 23:20:54 从属分类 Java 【评论】【 】【打印】【关闭
 
| www.asm32.net | 2006版 | 资料中心 | linux | asm/asm32 | C/C++ | VC++ | java | Python | 书签 | ASP.Net书签 | 京ICP备09029108号-1