小菜毛毛技術分享

與大家共同成長

BlogJava :: 首頁 :: 聯系 :: 聚合

:: 管理

164 Posts :: 141 Stories :: 94 Comments :: 0 Trackbacks

java中文漢字排序

// Collator 類是用來執行區分語言環境的 String 比較的，這里選擇使用CHINA

Comparator cmp = Collator.getInstance(java.util.Locale.CHINA);

TreeMap tree=new TreeMap(cmp);

String[] arr = {"張三", "李四", "王五"};

// 使根據指定比較器產生的順序對指定對象數組進行排序。

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[] {
                "作業",
                "測試",
                "test",
                "我們",
                "?？?,
                "鏤空",
                "[",
                "瀏",
                "皙"
        };

jdk 版本：

1.5.6

開發平臺：

Eclipse 3.1

關鍵字：中文排序

概述

我們在應用程序中可能會經常遇到對中文排序的問題，例如姓名列表，詞匯表等等。對中文排序，我們使用比較多的是根據漢語拼音發音來確定順序。

我們可能會經常使用

java.util.Set

接口，

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

等類或方法對含有中文字符的對象進行排序，但是這些在默認情況下都是調用

String .CompareTo(String )

方法，這個方法是比較2個字符的 codepoint value，如果第一個字符的值小于第二個，則在排序結果中第一個會在前面，反之亦然。

java.text.Collator

接口及其實現類

其實 java 中提供了和語言相關的類，即 Collator 接口及其實現類。

java.text.RuleBasedCollator

是一個具體類，它實現了 Comparator 接口中的 compare(Object, Object) 方法。 RuleBasedCollator 根據根據特定語言的默認規則比較字符，也可以按照指定的規則來比較，請參閱 java API 獲取此類的詳細信息。
如果我們需要對一個有中文的數組進行排序，則可以使用這個類。請看如下示例代碼：

import java.util.*;
import java.text.*;
public class Test
{
String [] test = new String [] {
"作業" ,
"測試" ,
"test" ,
"我們" ,
"。空" ,
"鏤空" ,
"[" ,
"瀏" ,
"皙"
};
java.util.Arrays .sort(test,
(RuleBasedCollator )Collator .getInstance(Locale .CHINA));
System .out.println("============" );
for (String key : test)
System .out.println(key);
}

以上代碼的輸出結果為：

============
[
test
?？?br /> 測試
我們
作業
瀏
鏤空
皙

大家可能會發現只有一部分漢字是按照漢語拼音排序了，還有幾個沒有。

問題分析：

GB2312:
在簡體中文中我們使用比較多的字符集是 GB2312-80，簡稱為 GB2312，這個字符集包含了目前最常用的漢字共計 6736 個。其中的漢字分為兩大類：

常用漢字

次常用漢字

常用漢字按照漢語拼音來排序，而次常用漢字按照筆畫部首進行排序。

簡體漢字在 Unicode 中一般是按照 gb2312 的碼點值的順序來放置的，所以如果是常用漢字 java 就能夠很準確的進行排序，但如果是次常用漢字，則就會出現問題。在以上示例中，"鏤"，"皙" 屬于次常用字。

解決方案：

RuleBasedCollator 類 getRules() 方法可以返回對應語言的規則設置。簡體中文對應的規則是 gb2312 所對應的字符。

對這些漢字重新排序

利用RuleBasedCollator(String rules) 構造器新建一個定制的 RuleBasedCollator

參考代碼

在以下的代碼中，我把排過序的漢字直接作為 String 對象放在類里面了，如果要讓代碼變得簡潔一些，則可以把完整的規則（特殊字符＋排序漢字）存為文件。

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< 錒<嗄<哎<哀<唉<埃<挨<锿<捱<皚<癌<噯<矮<藹< 靄<艾<愛<砹<隘<嗌<嬡<礙<曖<璦<安<桉<氨<庵< 諳<鵪<鞍<俺<埯<銨<揞<犴<岸<按<案<胺<暗<黯< 骯<昂<盎<凹<坳<敖<嗷<廒<獒<遨<熬<翱<聱<螯< 鰲<鏖<拗<襖<媼<岙<傲<奧<驁<澳<懊<鏊" +
"<八<巴<叭< 扒<吧<岜<芭<疤<捌<笆<粑<拔<茇<菝<跋<魃<把< 鈀<靶<壩<爸<罷<鲅<霸<灞<掰<白<百<佰<柏<捭< 擺<唄<敗<拜<稗<扳<班<般<頒<斑<搬<瘢<癍<阪< 坂<板<版<鈑<舨<辦<半<伴<扮<拌<絆<瓣<邦<幫< 梆<浜<綁<榜<膀<蚌<傍<棒<謗<蒡<磅<鎊<勹<包< 孢<苞<胞<煲<齙<褒<雹<寶<飽<保<鴇<堡<葆<褓< 報<抱<豹<趵<鮑<暴<爆<陂<卑<杯<悲<碑<鵯<北< 貝<狽<邶<備<背<鋇<倍<悖<被<憊<焙<輩<碚<蓓< 褙<鞴<鐾<奔<賁<錛<本<苯<畚<坌<笨<崩<繃<嘣< 甭<泵<迸<甏<蹦<逼<荸<鼻<匕<比<吡<妣<彼<秕< 俾<筆<舭<鄙<幣<必<畢<閉<庇<畀<嗶<毖<蓽<陛< 斃<狴<鉍<婢<庳<敝<萆<弼<愎<篳<潷<痹<蓖<裨< 蹕<辟<弊<碧<箅<蔽<壁<嬖<篦<薜<避<濞<臂<髀< 璧<襞<邊<砭<籩<編<煸<蝙<鳊<鞭<貶<扁<窆<匾< 碥<褊<卞<弁<忭<汴<芐<拚<便<變<緶<遍<辨<辯< 辮<灬<杓<彪<標<颮<髟<驃<膘<瘭<鏢<飆<飚<鑣< 表<婊<裱<鰾<憋<鱉<別<蹩<癟<賓<彬<儐<斌<濱< 繽<檳<鑌<瀕<豳<擯<殯<臏<髕<鬢<冫<冰<兵<丙< 邴<秉<柄<炳<餅<稟<并<病<摒<撥<波<玻<剝<缽< 餑<啵<脖<菠<播<伯<孛<駁<帛<泊<勃<亳<鈸<鉑< 舶<博<渤<鵓<搏<箔<膊<踣<薄<礴<跛<簸<擘<檗< 逋<鈽<晡<醭<卜<卟<補<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);
}
}

測試代碼及結果

代碼：

import java.util.*;
import java.text.*;
public class Test
{
String [] test = new String [] {
"作業" ,
"測試" ,
"test" ,
"我們" ,
"?？? ,
"鏤空" ,
"[" ,
"瀏" ,
"皙"
};
java.util.Arrays .sort(test, new ChineseGB2312Comparator());
System .out.println("============" );
for (String key : test)
System .out.println(key);
}

ChineseGB2312Comparator 類同時實現了 Comparator, Comparable 接口，這樣以后能夠使用 compare, compareTo 方法的時候都可以使用這個類。

posted on 2010-12-17 13:22 小菜毛毛閱讀(9339) 評論(2) 編輯收藏所屬分類: java基礎運用、面試

Feedback

# re: java中文漢字排序 2013-09-18 12:18 2

44 回復更多評論

# re: java中文漢字排序 2015-05-29 14:17 頂頂頂

環境的鳳凰健康更換即可回復更多評論

新用戶注冊刷新評論列表


只有注冊用戶登錄后才能發表評論。




網站導航: 博客園 IT新聞 Chat2DB C++博客博問管理
相關文章: java sax 解析實例 java反射詳解 java中文漢字排序 javac -classpath的使用 JAVAC 命令詳解(http://www.cnblogs.com/jeffchen/archive/2008/01/16/1041783.html) Java虛擬機參數詳解用java實現comet，基于 HTTP長連接的實現，用于從服務端實時發送信息到客戶端字符，字節和編碼交換兩個變量的值，不使用第三個變量 JAVA 書籍比較全的網站 http://ajava.org/book/

小菜毛毛技術分享

常用鏈接

留言簿(15)

我參與的團隊

隨筆分類

隨筆檔案

文章分類

文章檔案

新聞檔案

收藏夾

搜索

最新評論

閱讀排行榜

評論排行榜

示例文本：

jdk 版本：

開發平臺：

關鍵字：中文排序

概述

java.text.Collator

接口及其實現類

問題分析：

解決方案：

參考代碼

測試代碼及結果

Feedback

小菜毛毛技術分享

常用鏈接

留言簿(15)

我參與的團隊

隨筆分類

隨筆檔案

文章分類

文章檔案

新聞檔案

收藏夾

搜索

最新評論

閱讀排行榜

評論排行榜

示例文本：

jdk 版本：

開發平臺：

關鍵字： 中文排序

概述

java.text.Collator 接口及其實現類

問題分析：

解決方案：

參考代碼

測試代碼及結果

Feedback

關鍵字：中文排序

java.text.Collator

接口及其實現類