【踩坑系列】利用Comparator.comparing对中文字符串排序结果不对 ...

1. 踩坑经历

假设有这样一个业务场景，必要对各个城市的订单量排序，排序规则为：
先根据订单量倒序排列，再根据城市名称正序排列。
示例代码：

1. import lombok.Getter;
2. import lombok.Setter;
3. import lombok.ToString;
5. @Getter
6. @Setter
7. @ToString
8. public class OrderStatisticsInfo {
9.     private String cityName;
10.     private Integer orderCount;
12.     public OrderStatisticsInfo(String cityName, Integer orderCount) {
13.         this.cityName = cityName;
14.         this.orderCount = orderCount;
15.     }
16. }

复制代码

1. public static void main(String[] args) {
2.     List<OrderStatisticsInfo> orderStatisticsInfoList = Arrays.asList(
3.             new OrderStatisticsInfo("上海", 1000),
4.             new OrderStatisticsInfo("北京", 1000),
5.             new OrderStatisticsInfo("成都", 700),
6.             new OrderStatisticsInfo("常州", 700),
7.             new OrderStatisticsInfo("广州", 900),
8.             new OrderStatisticsInfo("深圳", 800)
9.     );
11.     orderStatisticsInfoList.sort(Comparator.comparing(OrderStatisticsInfo::getOrderCount, Comparator.reverseOrder())
12.             .thenComparing(OrderStatisticsInfo::getCityName));
13.     orderStatisticsInfoList.forEach(System.out::println);
14. }

复制代码

预期结果：

北京 1000
上海 1000
广州 900
深圳 800
常州 700
成都 700

实际结果：

OrderStatisticsInfo(cityName=上海, orderCount=1000)
OrderStatisticsInfo(cityName=北京, orderCount=1000)
OrderStatisticsInfo(cityName=广州, orderCount=900)
OrderStatisticsInfo(cityName=深圳, orderCount=800)
OrderStatisticsInfo(cityName=常州, orderCount=700)
OrderStatisticsInfo(cityName=成都, orderCount=700)

从以上结果可以看出，根据订单量倒序排列没啥问题，但根据城市名称正序排列不符合预期：
上海竟然排到了北京的前面，但常州与成都的次序又是对的。
2. 原因分析

Comparator.comparing对字符串类型进行排序时，默认利用的是字符串的自然排序，即String的compareTo方法，该方法是基于
Unicode编码值进行比较的，未思量语言特定的字符次序（如中文拼音）。
先看下String的compareTo方法的源码：

1. public int compareTo(String anotherString) {
2.     int len1 = value.length;
3.     int len2 = anotherString.value.length;
4.     int lim = Math.min(len1, len2);
5.     char v1[] = value;
6.     char v2[] = anotherString.value;
8.     int k = 0;
9.     while (k < lim) {
10.         char c1 = v1[k];
11.         char c2 = v2[k];
12.         if (c1 != c2) {
13.             return c1 - c2;
14.         }
15.         k++;
16.     }
17.     return len1 - len2;
18. }

复制代码

以上海与北京的比较为例，先比较第一个字符，也就是字符上和字符北，字符上对应的Unicode编码值是19978，因此c1 = 19978，
字符北对应的Unicode编码值是21271，因此c2 = 21271，因为c1 != c2，所以返回值为-1293，
也就是说上海小于北京（要排在北京的前面），不符合预期。
以常州与成都的比较为例，先比较第一个字符，也就是字符常和字符成，字符常对应的Unicode编码值是24120，因此c1 = 24120，
字符成对应的Unicode编码值是25104，因此c2 = 25104，因为c1 != c2，所以返回值为-984，
也就是说常州小于成都（要排在成都的前面），符合预期。
可以通过Character.codePointAt方法获取字符的Unicode编码值：

1. // 输出:19978
2. System.out.println(Character.codePointAt("上海", 0));
3. // 输出:21271
4. System.out.println(Character.codePointAt("北京", 0));
5. // 输出:24120
6. System.out.println(Character.codePointAt("常州", 0));
7. // 输出:25104
8. System.out.println(Character.codePointAt("成都", 0));

复制代码

3. 办理方案

Java提供了本地化的排序规则，可以按特定语言规则排序（如中文拼音），代码如下所示：

1. orderStatisticsInfoList.sort(Comparator.comparing(OrderStatisticsInfo::getOrderCount, Comparator.reverseOrder())
2.                 .thenComparing(OrderStatisticsInfo::getCityName, Collator.getInstance(Locale.CHINA)));
3. orderStatisticsInfoList.forEach(System.out::println);

复制代码

此时的输出结果为：

OrderStatisticsInfo(cityName=北京, orderCount=1000)
OrderStatisticsInfo(cityName=上海, orderCount=1000)
OrderStatisticsInfo(cityName=广州, orderCount=900)
OrderStatisticsInfo(cityName=深圳, orderCount=800)
OrderStatisticsInfo(cityName=常州, orderCount=700)
OrderStatisticsInfo(cityName=成都, orderCount=700)

可以看到，北京排到了上海的前面，符合预期。
上述代码指定了Collator.getInstance(Locale.CHINA)，在排序比较时不再执行String的compareTo方法，
而是执行Collator的compare方法，实际上是RuleBasedCollator的compare方法。
可以执行以下代码单独看下上海与北京的比较结果：

1. Collator collator = Collator.getInstance(Locale.CHINA);
2. // 输出:1，代表上海大于北京，也就是要排在北京的后面
3. System.out.println(collator.compare("上海", "北京"));

复制代码

文章连续更新，欢迎关注微信公众号「申城异乡人」第一时间阅读！

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。