在Java中一涉及中文處理就會冒出很多問題來，其中排序也是一個讓人頭疼的課題，我們來看下面的代碼：

上面的代碼定義一個數組，然后進行升序排序，我們期望的結果是按照拼音升序排列，即為李四、王五、張三，但是結果卻不是這樣的：

這是按照什么排序的呀，非常混亂！我們知道Arrays工具類的默認排序是通過數組元素的compareTo方法來進行比較的，那我們來看String類的compareTo的主要實現：

上面的代碼先取得字符串的字符數組，然后一個一個地比較大小，注意這里是字符比較(減號操作符)，也就是UNICODE碼值的比較，查一下UNICODE代碼表，“張”的碼值是5F20，而“李”是674E，這樣一看，“張”排在“李”的前面也就很正確了—但這明顯與我們的意圖沖突了。這一點在JDK文檔中也有說明：對于非英文的String排序可能會出現不準確的情況。那該如何解決這個問題呢？Java推薦使用

Collator類進行排序，那好，我們把代碼修改一下：

輸出結果如下：

這確實是我們期望的結果，應該舉杯慶賀了吧！但是且慢，中國的漢字博大精深，Java是否都能精確的排序呢？最主要的一點是漢字中有象形文字，音形分離，是不是每個漢字都能按照拼音的順序排列好呢？我們寫一個復雜的漢字來看看：

三個牛“犇”讀bēn，三個金“鑫”讀xīn，這兩個字經常出現在飯店和商店的名稱上，我們來看排序的輸出結果：

輸出結果又亂了！不要責怪Java，它已經盡量為我們考慮了，只是因為我們的漢字文化太博大精深了，要做好這個排序確實有點難為它。更深層次的原因是Java使用的是UNICODE編碼，而中文UNICODE字符集是來源于GB18030的，GB18030又是從GB2312發展起來，GB2312是一個包含了7000多個字符的字符集，它是按照拼音排序，并且是連續的，之后的GBK、GB18030都是在其基礎上擴充出來的，所以要讓它們完整排序也就難上加難了。

如果是排序對象是經常使用的漢字，使用Collator類排序完全可以滿足我們的要求，畢竟GB2312已經包含了大部分的漢字，如果需要嚴格排序，則要使用一些開源項目來自己實現了，比如pinyin4j可以把漢字轉換為拼音，然后我們自己來實現排序算法，不過此時你也會發現要考慮諸如算法、同音字、多音字等眾多問題。

本文參考自：《編寫高質量代碼：改善java程序的151個建議》

作者：秦小波

聲明：本文只供學習使用，未涉及任何商業利益，如有侵權，立刪。

支持作者

贊賞就不用啦，生活都不易，右下角的“在看/贊”點一下，如果感覺文章不錯，記得分享到朋友圈讓更多人知道！