java.text.Collat​​or 将“v”和“w”视为瑞典语言/区域设置的相同字母

Question

以下测试在 Java 8 中正确通过。Comparator<String> stringComparator = Collator.getInstance(new Locale("sv", "SE"));Assert.assertTrue(stringComparator.compare("aaaa", "bbbb") < 0);Assert.assertTrue(stringComparator.compare("waaa", "vbbb") < 0);Assert.assertTrue(stringComparator.compare("vaaa", "wbbb") < 0);此令waaa前前后后。vbbb_ 显然它将和视为同一个字母。vaaawbbbvw事实上，根据维基百科，在瑞典语中：到 2006 年，由于新的外来词，“W”的使用量有所增加，因此“W”正式成为字母，“V”=“W”的排序规则已被弃用。2006 年以前的书籍和软件通常使用该规则。该规则被弃用后，一些书籍和软件继续应用它。有没有人对此有一般的解决方法，以便在瑞典语言环境v中w被视为单独的字母？

Answer 1

创建您自己的RuleBasedCollator。

检查返回的字符串的值

((RuleBasedCollator)Collator.getInstance(new Locale("sv", "SE"))).getRules()

并修改它以满足您的需求，然后使用您修改的规则创建一个新的整理器。

并且可能也提交一份 JDK 错误报告，这是一个很好的衡量标准。

Answer 2

这将 waaa 置于 vbbb 之前，将 vaaa 置于 wbbb 之前。显然它将 v 和 w 视为同一个字母。

即使在瑞典语言环境中，JDK 也确实不会将 'w' 和 'v' 视为相同的字符。字母“v”出现在“w”之前。

Assert.assertEquals(1, stringComparator.compare("w", "v"));//TRUE

但是，根据瑞典的排序规则，JDK 将 'wa' 排序在 'vb' 之前。

Assert.assertEquals(1, stringComparator.compare("wa", "vb"));//FALSE

Answer 3

您可以创建一个自定义比较器，它包装整理器并手动处理v您w想要的方式。

我对此做了两个实现。

第一个简短而优雅，它使用 Guavaslexicographical比较器以及 Holger 在评论中提供的棘手的正则表达式。

private static final Pattern VW_BOUNDARY = Pattern.compile("(?=[vw])|(?<=[vw])", Pattern.CASE_INSENSITIVE);

public static Comparator<String> smallCorrectVwWrapper(Comparator<Object> original) {

    return Comparator.comparing(

        s -> Arrays.asList(VW_BOUNDARY.split((String) s)),

        Comparators.lexicographical(original));

第二个实现是一个大而复杂的事情，它做同样的事情，但是手动实现，没有库和正则表达式。

public static Comparator<String> correctVwWrapper(Comparator<Object> original) {

    return (s1, s2) -> compareSplittedVw(original, s1, s2);

}

/**

 * Compares the two string by first splitting them into segments separated by W

 * and V, then comparing the segments one by one.

 */

private static int compareSplittedVw(Comparator<Object> original, String s1, String s2) {

    List<String> l1 = splitVw(s1);

    List<String> l2 = splitVw(s2);

    int minSize = Math.min(l1.size(), l2.size());

    for (int ix = 0; ix < minSize; ix++) {

        int comp = original.compare(l1.get(ix), l2.get(ix));

        if (comp != 0) {

            return comp; 

        }

    }

    return Integer.compare(l1.size(), l2.size());

}

private static boolean isVw(int ch) {

    return ch == 'V' || ch == 'v' || ch == 'W' || ch == 'w';

}

/**

 * Splits the string into segments separated by V and W.

 */

public static List<String> splitVw(String s) {

    var b = new StringBuilder();

    var result = new ArrayList<String>();

    for (int offset = 0; offset < s.length();) {

        int ch = s.codePointAt(offset);

        if (isVw(ch)) {

            if (b.length() > 0) {

                result.add(b.toString());

                b.setLength(0);

            }

            result.add(Character.toString((char) ch));

        } else {

            b.appendCodePoint(ch);

        }

        offset += Character.charCount(ch);

    }

    if (b.length() > 0) {

        result.add(b.toString());

    }

    return result;

}

用法：

public static void main(String[] args) throws Exception {

    Comparator<String> stringComparator = correctVwWrapper(Collator.getInstance(new Locale("sv", "SE")));

    System.out.println(stringComparator.compare("a", "z") < 0);     // true

    System.out.println(stringComparator.compare("wa", "vz") < 0);   // false

    System.out.println(stringComparator.compare("wwa", "vvz") < 0); // false

    System.out.println(stringComparator.compare("va", "wz") < 0);   // true

    System.out.println(stringComparator.compare("v", "w") < 0);     // true

}

实现一个 wrapping 需要做更多的工作Collator，但它不应该太复杂。