如何设置排序器强度和分解以按首字母排序 unicode 字符串

Posted 2023-02-24

【中文标题】如何设置排序器强度和分解以按首字母排序 unicode 字符串

【英文标题】：How to set up collators strength and decomposition for sorting unicode string by first letter

【发布时间】：2013-11-06 22:34:35

【问题描述】：

我有一个要按首字母排序的 unicode 字符串列表。问题是我不知道设置 java.text.Collat​​or 它将把相似的字母视为不同的。

这是我现在得到的：

罗基什基斯 沙基艾

萨兰泰

Šeduva 希奥利艾 Šilalė

斯库达斯

陶拉格 Telšiai

这就是我想要得到的（以 Š 开头的单词应该总是在 S 之后而不是第二个字母）：

罗基什基斯

萨兰泰

斯库达斯

沙基艾 Šeduva 希奥利艾 Šilalė 陶拉格 Telšiai

【问题讨论】：

所有 Java 字符串都是 Unicode 字符串。

ICU4J 不提供帮助吗？

Java. Ignore accents when comparing strings的可能重复

【参考方案1】：

我们可以创建一个扩展 Collat​​or 的类并在那里重写 compare 方法。

这里有一个例子。

公共类 MyCollat​​or 扩展了 Collat​​or

@Override
public int compare(String source, String target) 
    return source.compareTo(target);


@Override
public CollationKey getCollationKey(String source) 
    // TODO Auto-generated method stub
    return null;


@Override
public int hashCode() 
    // TODO Auto-generated method stub
    return 0;

然后我们可以使用这个新添加的类对String列表进行排序，它会以正确的方式显示。

Collat​​or collat​​or = new MyCollat​​or();

Collections.sort(list, collat​​or);

我的测试结果如下：

罗基什基斯 萨兰泰 斯库达斯 陶拉格 Telšiai 沙基艾 Šeduva 希奥利艾 Šilalė

注意，在结果中，Š显示在T之后，这是因为"Š".compareTo("T")>1 等于 true。

我相信你可以在比较方法中加入一些逻辑，让 Š 显示在 S 之后，T 之前。

以上代码使用JDK 1.5版本编译执行。

直接使用Collections.sort(list)；您将得到与我上面提到的相同的结果。

【讨论】：

抱歉，我不想编写自己的 Collat​​or 规则，因为根据文档 Java 6 Collat​​or 支持这种语言的语言环境。所以我想知道如何以干净的方式解决这个问题。

【参考方案2】：

所以我测试了整理器强度和分解的所有变体，但没有任何改变。我发现通过我的语言环境（“lt_LT”）给出的这种排序实际上在语法上是正确的。