java中文汉字排序

// 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]);

 

 

 

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 

1. java.util.Set

 接口，

1. 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 

1. 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。

1. 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。

1. 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：

1. import  java.util.*;
2. import  java.text.*;
3. public  class  Test
4. {
5.         String  [] test = new  String [] {
6.                 "作业" ,
7.                 "测试" ,
8.                 "test" ,
9.                 "我们" ,
10.                 "。空" ,
11.                 "镂空" ,
12.                 "[" ,
13.                 "浏" ,
14.                 "皙"
15.         };
16.       java.util.Arrays .sort(test, 
17.               (RuleBasedCollator )Collator .getInstance(Locale .CHINA));
18.       System .out.println("============" );
19.       for (String  key : test)
20.           System .out.println(key);
21. }

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。

1. 
   我们可以把其中的全部汉字提取出来

 

1. 对这些汉字重新排序

 

1. 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。

1. package  sorting;
2. import  java.util.*;
3. import  java.text.*;
4. /**
5.  * @author GaoJianMin
6.  *
7.  */
8. public  class  ChineseGB2312Collator
9. {
10.     /**
11.      * @return a customized RuleBasedCollator with Chinese characters (GB2312) sorted correctly
12.      * 
13.      */
14.     public  static  final  RuleBasedCollator  getFixedGB2312Collator()
15.     {
16.         RuleBasedCollator  fixedGB2312Collator =null ;
17.         try
18.         {
19.             fixedGB2312Collator = new  java.text.RuleBasedCollator (
20.                     ChineseGB2312Collator.getGB2312SpecialChars() +
21.                     GB2312Chars
22.                     );
23.         }catch (ParseException  e)
24.         {
25.             e.printStackTrace();
26.         }
27.         return  fixedGB2312Collator;
28.     }
29.     
30.     /**
31.      * @return the special characters in GB2312 charset.
32.      * 
33.      */
34.     public  static  final  String  getGB2312SpecialChars()
35.     {
36.         RuleBasedCollator  zh_CNCollator = (RuleBasedCollator )Collator .getInstance(Locale .CHINA);
37.         //index 2125 is the last symbol "╋"
38.         return  zh_CNCollator.getRules().substring(0,2125);
39.     }
40.     
41.     /**
42.      * 6763 Chinese characters in GB2312 charset
43.      */
44.     public  static  final  String  GB2312Chars =
45.         "<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"  +
46.         "<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"  ;

1. }
2. package  sorting;
3. import  java.util.*;
4. import  java.text.*;
5. /**
6.  * @author GaoJianMin
7.  *
8.  */
9. public  class  ChineseGB2312Comparator implements  Comparator <String >, Comparable <String > {
10.     private  RuleBasedCollator  GB2312Collator =
11.         ChineseGB2312Collator.getFixedGB2312Collator();
12.     private  String  str1;
13.     
14.     /**
15.      * @param str1
16.      */
17.     public  ChineseGB2312Comparator(String  str1) {
18.         this .str1 = str1;
19.     }
20.     /**
21.      * 
22.      */
23.     public  ChineseGB2312Comparator() {
24.         this .str1="" ;
25.     }
26.     /**
27.      * @param str1
28.      * @param str2
29.      * @return an integer indicatint the comparison result
30.      * @see java.util.Comparator#compare(Object, Object)
31.      */
32.     public  int  compare(String  str1, String  str2) {
33.         return  GB2312Collator.compare(str1, str2);
34.     }
35.     /**
36.      * @param str2
37.      * @return an integer indicatint the comparison result
38.      *  @see java.lang.Comparable#compareTo(Object)
39.      */
40.     public  int  compareTo(String  str2) {
41.         return  GB2312Collator.compare(str1, str2);
42.     }
43. }
44. 
    
    

测试代码及结果

代码：

1. import  java.util.*;
2. import  java.text.*;
3. public  class  Test
4. {
5.         String  [] test = new  String [] {
6.                 "作业" ,
7.                 "测试" ,
8.                 "test" ,
9.                 "我们" ,
10.                 "。空" ,
11.                 "镂空" ,
12.                 "[" ,
13.                 "浏" ,
14.                 "皙"
15.         };
16.       java.util.Arrays .sort(test, new  ChineseGB2312Comparator());
17.       System .out.println("============" );
18.       for (String  key : test)
19.           System .out.println(key);
20. }

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。