最近项目上使用到汉字排序的问题，网上搜索了一下后普遍使用下面的方法比较。
@Test public void test_sort_pinyin() { Collator cmp = Collator.getInstance(java.util.Locale.CHINA); String[] arr = { “张三”, “李四”, “王五”, “赵六”, “JAVA”, “123”, “$%$#”, “哈哈A”, “1哈哈A”, “1哈哈b”, “1哈哈a”, “哈哈”, “哈”, “怡情” }; List<String> list = Arrays.asList(arr); Arrays.sort(arr, cmp); System.out.println(list); }
输出结果如下：
[$%$#, 123, 1哈哈a, 1哈哈A, 1哈哈b, JAVA, 哈, 哈哈, 哈哈A, 李四, 王五, 张三, 赵六, 怡情]
发现了有个BUG，因为网上也看到一些朋友提出问题，所以测试时故意加上怡字。发现“怡”字果然最后了。所以只能再寻找解决办法。后来想起了之前把中文自动转拼音时使用到的类。
pinyin4j 开源项目 具体可以查看 http://pinyin4j.sourceforge.net/
真的不得不感谢这位人士。
封装成比较器后代码如下：
import java.util.Comparator; import net.sourceforge.pinyin4j.PinyinHelper; /** * 汉字按照拼音排序的比较器 * @author KennyLee 2009-2-23 10:08:59 * */ public class PinyinComparator implements Comparator<Object> { public int compare(Object o1, Object o2) { char c1 = ((String) o1).charAt(0); char c2 = ((String) o2).charAt(0); return concatPinyinStringArray( PinyinHelper.toHanyuPinyinStringArray(c1)).compareTo( concatPinyinStringArray(PinyinHelper .toHanyuPinyinStringArray(c2))); } private String concatPinyinStringArray(String[] pinyinArray) { StringBuffer pinyinSbf = new StringBuffer(); if ((pinyinArray != null) && (pinyinArray.length > 0)) { for (int i = 0; i < pinyinArray.length; i++) { pinyinSbf.append(pinyinArray[i]); } } return pinyinSbf.toString(); } }
继续执行测试
@Test public void test_sort_pinyin2() { String[] arr = { “张三”, “李四”, “王五”, “赵六”, “JAVA”, “123”, “$%$#”, “哈哈A”, “1哈哈A”, “1哈哈b”, “1哈哈a”, “哈哈”, “哈”, “怡情” }; List<String> list = Arrays.asList(arr); Arrays.sort(arr, new PinyinComparator()); System.out.println(list); }
最终打印效果如下：
[JAVA, 123, $%$#, 1哈哈A, 1哈哈b, 1哈哈a, 哈哈A, 哈哈, 哈, 李四, 王五, 怡情, 张三, 赵六]
不过也由此看出，对于符号等其他排序也有一些争议的地方，但是关系不大。或者也可以再判断一下首字是否为中文，若不是再按照其他相应的比较方式。比较器的好处就是可以自定义了。
例子中只是用了数组进行排序，但可能较多的情况下遇到的是对List的排序，即List<Object>。同样的可以举一反三的修改比较器中的compare方法，只要提取用来排序的的汉字关键字段出来即可。
然后比较的时候调用
Collections.sort(list,new PinyinComparator());
而且注意例子中只是截取了首汉字进行排序，若需要可以进一步的排序。
但主要还是中文的排序确实正确了。
基本原理：
其实弄来弄去，原理还是把汉字转成拼音，然后再进行排序罢了。所以如果在项目中有遇到过需要把汉字转换成拼音的需求的话。碰到汉字排序的话问题自然也会迎刃而解。
也不得不感叹一句，在中国做研发比外国要辛苦啊。起码字符集就多了那么多，而且也没得到很多基本的支持，然后引发的一连串问题。例如乱码，汉字排序，转拼音等什么的…
不过解决一个记下一个吧，以后就能直接使用了，算多学一点。
