JAVA中文比较问题的分析解决

JAVA中文比较问题的分析解决

[收藏此页] [打印] [推荐]
[挑错]

作者：csdn  2005-07-29   

内容导航：
解决



    按照中文顺序：“我”字应该在“爱”字后面，因此理论上来讲"我"字的Char值应该比“爱"字的char值要大。可是不知道为什么Java的汉字char(两个byte)->int类型的转换会发生很大偏差。而失去了汉字原本在ＧＢＫ规范当中，按内码排列好的顺序。但从一个汉字拆分成2个字节的byte[]时，所得到的值并没有打乱GBK编码规定的顺序，因此得到解决问题的思路：将String进行GB2312编码后取得某个汉字获取其Char值时，将汉字拆分成2个字节byte[]再进行计算，从而得到正确的内码。
    因此我自己写了下面这样几个函数，基本上解决了汉字比较的问题：
    函数包括三个，你可以随意放置到任何类当中作为辅助函数使用(Private Helper)。

n         public int compare(String s1, String s2) ：主要工作是为比较做一些前期的编码工作可以说是系统的一个外壳。
n         public int chineseCompareTo(String s1, String s2)：该函数则是中文字符串比较主体，其内部实现了比较的最基本逻辑，和JDK的compareTo所使用的逻辑是一样的。调用接口也一样。
n         public static int getCharCode(String s)：该函数则负责将一个以字符串形式存在的字符转换成为int编码，儿不损失其位置信息。注意输入通常是：“我”或者“A”，如果输入更长的字符串，则改函数获得的是第一个字符的值。
 

private static String __ENCODE__ = "GBK"; file&://一定要是GBK
private static String __SERVER_ENCODE__ = "GB2312"; file&://服务器上的缺省编码
/*
比较两字符串
*/
       public int compare(String s1, String s2)
       {
              String m_s1 = null, m_s2 = null;
              try
              {
                     //先将两字符串编码成GBK
                     m_s1 = new String ( s1.getBytes(__SERVER_ENCODE__), __ENCODE__);
                     m_s2 = new String ( s2.getBytes(__SERVER_ENCODE__), __ENCODE__);
              }
              catch( Exception ex)
              {
                     return s1.compareTo(s2);
              }
              int res = chineseCompareTo(m_s1, m_s2);
 
              System.out.println("比较：" + s1 + " | " + s2 + "==== Result: " + res);
              return res;
       }
 
//获取一个汉字/字母的Char值
       public static int getCharCode(String s)
       {
              if (s==null && s.equals(“”)) return -1; file&://保护代码
byte [] b = s.getBytes();
              int value = 0;
              //保证取第一个字符（汉字或者英文）
              for (int i = 0; i < b.length && i <= 2; i ++)
              {
                     value = value * 100 + b［i］;
              }
              return value;
       }
 
//比较两个字符串
       public int chineseCompareTo(String s1, String s2)
       {
              int len1 = s1.length();
              int len2 = s2.length();
 
              int n = Math.min(len1, len2);
 
              for (int i = 0; i < n; i ++)
              {
                     int s1_code = getCharCode(s1.charAt(i) + "");
                     int s2_code = getCharCode(s2.charAt(i) + "");
                     if (s1_code != s2_code) return s1_code - s2_code;
              }
              return len1 - len2;
       }

    可见，对系统源代码的解剖，能让我们在迷惑之余同样有机会窥探系统内部运作的奥妙。不过让人非常费解的是，Java内部的某些类书写风格非常不好，同时存在一些Bug。不过这也许是笔者个人感受。偶有所获，愿与大家共同分享，其中疏漏之处望不吝赐教。