[转]Java汉字按照拼音排序

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/   使用的是：pinyin4j-2.5.0.jar  这个包；

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。

 

转自：http://blog.csdn.net/kennylee26/article/details/3926168