【踩坑系列】使用Comparator.comparing对中文字符串排

1. 踩坑经历

假设有这样一个业务场景，需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：

import lombok.Getter;
import lombok.Setter;
import lombok.ToString;

@Getter
@Setter
@ToString
public class OrderStatisticsInfo {
    private String cityName;
    private Integer orderCount;

    public OrderStatisticsInfo(String cityName, Integer orderCount) {
        this.cityName = cityName;
        this.orderCount = orderCount;
    }
}

public static void main(String[] args) {
    List<OrderStatisticsInfo> orderStatisticsInfoList = Arrays.asList(
            new OrderStatisticsInfo("上海", 1000),
            new OrderStatisticsInfo("北京", 1000),
            new OrderStatisticsInfo("成都", 700),
            new OrderStatisticsInfo("常州", 700),
            new OrderStatisticsInfo("广州", 900),
            new OrderStatisticsInfo("深圳", 800)
    );

    orderStatisticsInfoList.sort(Comparator.comparing(OrderStatisticsInfo::getOrderCount, Comparator.reverseOrder())
            .thenComparing(OrderStatisticsInfo::getCityName));
    orderStatisticsInfoList.forEach(System.out::println);
}

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，但常州与成都的顺序又是对的。

2. 原因分析

Comparator.comparing对字符串类型进行排序时，默认使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，未考虑语言特定的字符顺序（如中文拼音）。

先看下String的compareTo方法的源码：

public int compareTo(String anotherString) {
    int len1 = value.length;
    int len2 = anotherString.value.length;
    int lim = Math.min(len1, len2);
    char v1[] = value;
    char v2[] = anotherString.value;

    int k = 0;
    while (k < lim) {
        char c1 = v1[k];
        char c2 = v2[k];
        if (c1 != c2) {
            return c1 - c2;
        }
        k++;
    }
    return len1 - len2;
}

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：

// 输出:19978
System.out.println(Character.codePointAt("上海", 0));
// 输出:21271
System.out.println(Character.codePointAt("北京", 0));
// 输出:24120
System.out.println(Character.codePointAt("常州", 0));
// 输出:25104
System.out.println(Character.codePointAt("成都", 0));

3. 解决方案

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：

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

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：

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

文章持续更新，欢迎关注微信公众号「申城异乡人」第一时间阅读！