字符串排序

字符串排序(译)

字符串排序

    本文是Sun官方以Blog形式发布的Java核心技术窍门(JavaCoreTechTip)中的一个。我之前尚未关注过java.text.Collator类，看过Sorting Strings 这个tip之后觉得有些意义，故翻译在了此处，也希望对其它朋友有所助益。(2008.04.07最后更新)

    使用Java平台进行字符串排序被认为是一件简单的工作，但为国际市场开发程序时，则需要有更多的考虑。如果你陷入只关注英语的心态中，并认为你的程序会工作的很好，因为它所显示的字符串从今往后都是一样的，你可能认为一切都很正常。但一旦你有一位西班牙用户，他希望能够正常地对mañana进行排序，但如果你都是使用String类中缺省的compare方法去做排序，字符ñ将会跟在字符z之后，而在正常的西班牙语排序中，ñ应该在字符n和o之间。这就是java.text包的类Collator发挥作用的地方了。
想像这样的一组词

• first
• mañana
• man
• many
• maxi
• next

使用String类的默认排序机制，即它的compare()方法，排序的结果将会是：

• first
• man
• many
• maxi
• mañana
• next

    此处，mañana出现在maxi与next之间。而在西班牙语世界中，mañana应该出现在many和maxi之间， 因为在字母表中，字符ñ(读作eñe)跟在n之后。当来了一个德语用户，想用他们自己的变音符时，你就可以写一个自己的定制排序规则来处理ñ， 否则一组使用façade的设计模式将会怎样呢？你是否想让façade出现在factory之前或之后呢？(关键是如同对c或其它字符那样去处理ç的小写变音符。)
    这就是类Collator能派上用场的地方了。类Collator用于对语言敏感的排序问题，并不会只基于它们的ASCII/Unicode字符去尝试排序。 使用Collator要求你在完全应用它的特性之前要理解一个额外的属性，即称之为强度(Strength)的属性。Collator的强度设置决定了在排序时如何使用强(或弱)匹配。 该属性有4个可能的值：PRIMARY，SECONDARY，TERTIARY和IDENTICAL。具体是哪个强度在产生作用取决于语言环境。 典型地，会有如下的情况。按从后往前的顺序，IDENTICAL强度表示能够被进行相同的处理的字符必须是一致的。TERTIARY通常用于忽略大小写差异。SECONDARY用于忽略变音符，如n和ñ。 PRIMARY与IDENTICAL相似也是基于字母之间差异，但是当处理控制字符和发音时还是有所不同。查看Collator的javadoc， 以获取更多关于这些强度之间的差异及分解(Decomposition)模式规则的信息。
    为了使用Collator，你需要先得到它的一个实例。你既可以调用getInstance方法以得到一个针对默认语言环境的Collator对象， 也可以传递一个指定的Locale对象给getInstance方法以得到一个针对特定语言环境的Collator对象。例如，为了获得针对一个西班牙语的 Collator对象，你应使用new Locale("es")去创建一个西班牙语的Locale对象，然后将它传入getInstance方法中：

Collator esCollator  =
    Collator.getInstance( new  Locale( " es " ));

    假设针对该语言环境的默认Collator强度，针对西班牙语的默认强度是SECONDARY已经足够了。然后你将这个Collator对象如任一Comparator对象 那样传入Collections类的sort方法的比较规则参数中，以得到排序后的List对象。

Collections.sort(list, esCollator);

操作之前的单词列表，你现在就会得到一个基于西班牙语字母表的恰当排序结果：

• first
• man
• many
• mañana
• maxi
• next

如果你在上述Collator中换用US的Locale对象，由于ñ并不是US中本有的字母，所以mañana将会出现在man和many之间。
这儿有一个简洁的例子以显示这些差异。 import java.awt.*;

import  java.text. * ;
import  java.util. * ;
import  java.util.List;  //  Explicit import required
import  javax.swing. * ;
public   class  Sort {
     public   static   void  main(String args[]) {
        Runnable runner  =   new  Runnable() {
             public   void  run() {
                String words[]  =  { " first " ,  " mañana " ,  " man " ,
                     " many " ,  " maxi " ,  " next " };
                List list  =  Arrays.asList(words);
                JFrame frame  =   new  JFrame( " Sorting " );
                frame.setDefaultCloseOperation (JFrame.EXIT_ON_CLOSE);
                Box box  =  Box.createVerticalBox();
                frame.setContentPane(box);
                JLabel label  =   new  JLabel( " Word List: " );
                box.add(label);
                JTextArea textArea  =   new  JTextArea( list.toString());
                box.add(textArea);
                Collections.sort(list);
                label  =   new  JLabel( " Sorted Word List: " );
                box.add(label);
                textArea  =   new  JTextArea(list.toString ());
                box.add(textArea);
                Collator esCollator  =  Collator.getInstance( new  Locale( " es " ));
                Collections.sort(list, esCollator);
                label  =   new  JLabel( " Collated Word List: " );
                box.add(label);
                textArea  =   new  JTextArea(list.toString());
                box.add(textArea);
                frame.setSize( 400 ,  200 );
                frame.setVisible( true );
            }
        };
        EventQueue.invokeLater (runner);
    }
}

    最后还有一点儿关于语言排序规则的信息。通过调用getInstance方法而得到的Collator对象通常是支持特定语言的RuleBasedCollator实例。 你可使用RuleBasedCollator去定义你自己的排序顺序。该类的Javadoc更完整地描述了这种规则的语法，但还是让我们先假设你有一个4字符字母表， 并希望字母的顺序是CAFE，而不是ACEF，你的规则看起来就像这样：

String rule  =
     " < c, C < a, A < f, F < e, E " ;
RuleBasedCollator collator  =   new  RuleBasedCollator(rule);

    上述规则通过展示不同字母的大小写定义了特定的字母顺序为cafe。现在对单词列表ace，cafe，ef和face使用新的规则进行排序， 排序结果的顺序为cafe，ace，face和ef：

import  java.text. * ;
import  java.util. * ;

public   class  Rule {
     public   static   void  main(String args[])  throws  ParseException {
        String words[]  =  { " ace " ,  " cafe " ,  " ef " ,  " face " };
        String rule  = " < c, C < a, A < f, F < e, E " ;
        RuleBasedCollator collator  =   new  RuleBasedCollator(rule);
        List list  =  Arrays.asList(words);
        Collections.sort(list, collator);
        System.out.println(list);
    }
}

在对上述代码编译并运行之后，你将看到使用新规则排序后的单词：

> javac Rule.java
> java Rule
[ cafe, ace, face, ef ]

    请以后阅读Javadoc中更多的关于 规则语法的信息，再尝试扩展字母表并处理不同的变音符。
    现在，当你为全世界开发 程序时，你的程序就能做出更好的准备以去适应本地用户了。也要确保字符串在资源包中，如之前的一个窍门所展示的那样：Earlier tip。(译注：原文并没有提供这个Earlier tip的正确链接地址。)