如何在java中按Unicode代码点（UTF8或UTF32）排序顺序进行排序？

Question

Java 的 String.compareTo 使用 UTF16 排序顺序。

List<String> inputValues = Arrays.asList("𝐴","figure", "flagship", "zion");
Collections.sort(inputValues);

以上代码结果已排序

[zion, 𝐴, figure, flagship]

但是，我希望这个排序顺序是

[zion, figure, flagship, 𝐴]

请注意，某些字符是连字。

Answer 1

使用排序：

Collections.sort(keywordsList, new UTF8Comparator());

并创建自定义 UTF8 比较器：

class UTF8Comparator implements Comparator<String> {
    @Override
    public int compare(String str1, String str2) {
        byte[] bytes1 = str1.getBytes(java.nio.charset.StandardCharsets.UTF_8);
        byte[] bytes2 = str2.getBytes(java.nio.charset.StandardCharsets.UTF_8);

        for (int i = 0; i < Math.min(bytes1.length, bytes2.length); i++) {
            if (bytes1[i] != bytes2[i]) {
                return bytes1[i] - bytes2[i];
            }
        }

        return bytes1.length - bytes2.length;
    }
}

Answer 2

抱歉，我不是在寻找字典排序，而是简单地基于 Unicode 代码点（UTF-8 或 UTF-32）进行排序。

我正在尝试使用的库之一中有一条评论：

输入值（键）。这些必须以 Unicode 代码点（UTF8 或 UTF32）排序顺序提供给 Builder。请注意，按 Java 的 String.compareTo（UTF16 排序顺序）进行排序是不正确的，并且可能会在构建 FST 时导致异常

我遇到了问题，因为我使用的是

Collections.sort

，它是 Java 的 UTF-16 排序顺序。最后我编写了自己的比较函数，如下所示，它解决了我面临的问题。令我惊讶的是，它本身不可用，也不能与其他一些流行的库一起使用。

public static void sort(List<String> list) {
    Collections.sort(
            list,
            new Comparator<String>() {
                @Override
                public int compare(String s1, String s2) {
                    int n1 = s1.length();
                    int n2 = s2.length();
                    int min = Math.min(n1, n2);
                    for (int i = 0; i < min; i++) {
                        int c1 = s1.codePointAt(i);
                        int c2 = s2.codePointAt(i);
                        if (c1 != c2) {
                            return c1 - c2;
                        }
                    }
                    return n1 - n2;
                }
            });
}

Answer 3

【可能大家没有注意到，看似大写的

A

其实是：

Mathematical Italic Capital A (U+1D434)

]

您的问题是，在 Java 中，BMP 之外的字符被编码为两个字符。

要根据代码点字典顺序对列表进行排序，您需要定义自己的

Comparator

：

public class CodePointComparator implements Comparator<String> {
 @Override
 public int compare(String o1, String o2) {
    int len1 = o1.length();
    int len2 = o2.length();
    int lim = Math.min(len1, len2);
    int k = 0;
    while (k < lim) {
      char c1 = o1.charAt(k);
      char c2 = o2.charAt(k);
      if (c1 != c2) {
        // A high surrogate is greater than a non-surrogate character
        if (Character.isHighSurrogate(c1) != Character.isHighSurrogate(c2)) {
          return Character.isHighSurrogate(c1) ? 1 : -1;
        }
        return c1 - c2;
      }
      k++;
    }
    return len1 - len2;
  }
}

并将其作为参数传递给

List#sort

方法。我直接对代理对进行操作以获得一些性能。

Answer 4

最简单的方法：

inputValues.sort(String.CASE_INSENSITIVE_ORDER.reversed());

有点复杂，但有更多控制：

将列表转换为数组：

String[] arr = new String[inputValues .size()]; 
for (int i =0; i < inputValues .size(); i++) 
    arr[i] = inputValues.get(i); 

还有其他有效的方法将列表转换为数组，但这是最容易理解的！

然后使用这个功能：

 public static String[] textSort(String[] words) {
    for (int i = 0; i < words.length; i++) {
        for (int j = i + 1; j < words.length; j++) {
            if (words[i].toUpperCase().compareTo(words[j].toUpperCase()) < 0) {//change this to > if you want to sort reverse order
                String temp = words[i];
                words[i] = words[j];
                words[j] = temp;
            }
        }
    }

    return words;
}