有没有办法对所有语言的字符串进行排序？

Question

我有这个代码.它用法语和俄语正确排序.我使用Locale.US,它似乎是正确的.这个解决方案适用于所有语言吗？它适用于其他语言吗？例如:中国人,韩国人,日本人......如果没有,有什么更好的解决方案？

public class CollationTest {
    public static void main(final String[] args) {
        final Collator collator = Collator.getInstance(Locale.US);
        final SortedSet<String> set = new TreeSet<String>(collator);

        set.add("abîmer");
        set.add("abîmé");
        set.add("aberrer");
        set.add("abhorrer");
        set.add("aberrance");
        set.add("abécédaire");
        set.add("abducteur");
        set.add("abdomen");

        set.add("??????????????-?????????????????");
        set.add("???????");
        set.add("????????");
        set.add("?????????????");
        set.add("???????");
        set.add("???????");
        set.add("???????");
        set.add("???????");

        for(final String s : set) {
            System.out.println(s);
        }
    }
}

更新: 对不起,我不要求这个集合必须包含所有语言.我的意思是这个集包含一种语言,并在每种语言中正确排序.

public class CollationTest {
    public static void main(final String[] args) {
        final Collator collator = Collator.getInstance(Locale.US);
        final SortedSet<String> set = new TreeSet<String>(collator);

        // Sorting in French.
        set.clear();
        set.add("abîmer");
        set.add("abîmé");
        set.add("aberrer");
        set.add("abhorrer");
        set.add("aberrance");
        set.add("abécédaire");
        set.add("abducteur");
        set.add("abdomen");
        for(final String s : set) {
            System.out.println(s);
        }

        // Sorting in Russian.
        set.clear();
        set.add("??????????????-?????????????????");
        set.add("???????");
        set.add("????????");
        set.add("?????????????");
        set.add("???????");
        set.add("???????");
        set.add("???????");
        set.add("???????");
        for(final String s : set) {
            System.out.println(s);
        }
    }
}

Answer 1

因为每种语言都有自己的字母顺序,所以你不能.例如,

如你所说的俄语有?字母与土耳其语有不同的顺序.

你应该总是使用collat​​or.我建议你的是我们的Collection API.

    //
    // Define a collator for German language
    //
    Collator collator = Collator.getInstance(Locale.GERMAN);

    //
    // Sort the list using Collator
    //
    Collections.sort(words, collator);

获得进一步的信息查询和说明这里

此程序显示当您使用两个不同的collat​​ors对相同的单词列表进行排序时会发生什么:

Collat​​or fr_FRCollat​​or = Collat​​or.getInstance(new Locale("fr","FR"));

Collat​​or en_USCollat​​or = Collat​​or.getInstance(new Locale("en","US"));

用于排序的方法(称为sortStrings)可以与任何Collat​​or一起使用.请注意,sortStrings方法调用compare方法:

 public static void sortStrings(Collator collator, 
                           String[] words) {
  String tmp;
     for (int i = 0; i < words.length; i++) {
        for (int j = i + 1; j < words.length; j++) { 
           if (collator.compare(words[i], words[j]) > 0) {
              tmp = words[i];
              words[i] = words[j];
              words[j] = tmp;
           }
         }
      }
 }

英国Collat​​or对单词进行排序如下:

peachpéchépêche罪

根据法语的整理规则,前面的列表顺序错误.在法语中,péché应该在排序列表中跟随pêche.French Collat​​or正确地对单词数组进行排序,如下所示:

peachpêchepéchésin

Answer 2

即使您可以准确地检测所使用的语言,有用的整理顺序通常也特定于特定语言+国家/地区组合.即使在语言+国家/地区内,整理也可能因使用情况或某些自定义而异.

但是,如果您确实需要对任意文本集进行排序,最好的选择是Unicode排序算法,它为任何Unicode文本定义了与语言无关的排序规则.该算法是可定制的,但没有必要给出对任何一种文化都有意义的结果(绝对不能跨越它们).

Java的校对类不实现此算法,但它可作为ICU的RuleBaseCollat​​or的一部分使用.