Java对汉字排序

        在Java中一般的String数组排序可以调用Arrays类的sort(Object[] a)方法进行排序，代码类似：

    String[] strs = {"张三(Z)", "李四(L)", "王五(W)"};
    // 排序，默认是升序
    Arrays.sort(strs);

        但是当我们将以上结果打印出来，你会发现结果很混乱，并不是和我们预想的那样按照汉语拼音进行排序的。为何呢？我们知道该方法是通过数组元素的compareTo方法来进行比较的，那我们看看String类的compareTo的主要实现：

while (k < lim) {
    // 原字符串的字符数组
    char c1 = v1[k];
    // 比较字符串的字符数组 
    char c2 = v2[k];
    if (c1 != c2) { 
        // 比较两者的char值大小 
        return c1 - c2;
    }
    k++;
}

        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，这里是对字符进行比较（使用减号），也就是UNICODE码值进行比较，而并不是通过汉字的拼音进行排序的，这一点在JDK的说明文档中也有说明：对于非英文的String排序可能会出现不准确的情况。那该如何解决该问题呢？Java推荐使用Collator类进行排序，代码如下：

    String[] strs = {"张三(Z)", "李四(L)", "王五(W)"};
    // 定义一个中文排序器
    Comparator c = Collator.getInstance(Locale.CHINA);
    // 升序排序
    Arrays.sort(strs, c);

        但是Java并不能精确的对所有的汉字进行排序，比如对“犇”和“鑫”进行排序，你就会发现结果又乱了！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Java了。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 发展起来的， GB2312 是一个包含  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、GB2312 都是在起基础上扩充而来的，所以要让它们完整排序也就难上加难了。但如果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。

        如果需要严格排序，可以使用一些开源项目来自己实现，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。

        pinyin4j下载地址：http://pinyin4j.sourceforge.net/

文章参考：《编写高质量代码：改善Java程序的151个建议》的建议59。