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。)