用Java对UTF-16字符串中的字符进行排序

Question

TLDR

Java使用两个字符来表示UTF-16。使用Arrays.sort（不稳定的排序）会使字符排序混乱。我应该将char []转换为int []还是有更好的方法？

细节

Java将字符表示为UTF-16。但是Character类本身会包装char（16位）。对于UTF-16，它将是2的数组char（32位）。

使用内置的排序功能对一串UTF-16字符进行排序会使数据混乱。（Arrays.sort使用双重数据透视快速排序，Collections.sort使用Arrays.sort进行繁重的工作。）

具体来说，您是将char []转换为int []还是有更好的排序方式？

import java.util.Arrays;

public class Main {
    public static void main(String[] args) {
        int[] utfCodes = {128513, 128531, 128557};
        String emojis = new String(utfCodes, 0, 3);
        System.out.println("Initial String: " + emojis);

        char[] chars = emojis.toCharArray();
        Arrays.sort(chars);
        System.out.println("Sorted String: " + new String(chars));
    }
}

输出：

Initial String: 
Sorted String: ????

Answer 1

我四处张望，没有找到任何干净的方法来对两个元素进行分组来对数组进行排序，而不使用库。

幸运的是，codePoints中的String就是您String在本示例中用于创建自身的内容，因此您可以对它们进行排序并String使用结果创建一个新的对象。

public static void main(String[] args) {
    int[] utfCodes = {128531, 128557, 128513};
    String emojis = new String(utfCodes, 0, 3);
    System.out.println("Initial String: " + emojis);

    int[] codePoints = emojis.codePoints().sorted().toArray();
    System.out.println("Sorted String: " + new String(codePoints, 0, 3));
}

初始字符串：

排序字符串：

因为您已经对它们进行了排序，所以我在示例中切换了字符的顺序。

Answer 2

如果您使用的是Java 8或更高版本，则这是一种在尊重（不破坏）多字符代码点的同时对字符串中的字符进行排序的简单方法：

int[] codepoints = someString.codePoints().sort().toArray();
String sorted = new String(codepoints, 0, codepoints.length);

在Java 8之前，我认为您要么需要使用循环来迭代原始字符串中的代码点，要么需要使用第三方库方法。

幸运的是，对字符串中的代码点进行排序并不常见，以至于上述解决方案的笨拙和相对效率低下很少引起关注。

（您上次测试表情符号字谜是什么时候？）