John Jiang

a cup of Java, cheers!
https://github.com/johnshajiang/blog

   :: 首页 ::  :: 联系 :: 聚合  :: 管理 ::
  131 随笔 :: 1 文章 :: 530 评论 :: 0 Trackbacks
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(
400200);
                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。)
posted on 2008-04-07 09:10 John Jiang 阅读(4932) 评论(3)  编辑  收藏 所属分类: JavaSEJava翻译CoreJavaTechTips

评论

# re: 字符串排序(译) 2008-04-07 09:34 BeanSoft
是呀 其实 Java 的国际化和本地化还是考虑的比较全面的。  回复  更多评论
  

# re: 字符串排序(译) 2008-04-07 09:52 Sha Jiang
不错,目前Locale支持的语言和国家/地区已很广泛了。
对于国际化,应该是够用了。
http://www.loc.gov/standards/iso639-2/englangn.html
http://www.iso.ch/iso/en/prods-services/iso3166ma/02iso-3166-code-lists/list-en1.html  回复  更多评论
  

# re: 字符串排序(译) 2009-10-22 16:35 luyeqm
2000万行字符串排序已经完成.

请访问:luyeqm.vip.sina.com  回复  更多评论
  


只有注册用户登录后才能发表评论。


网站导航: