Question

我正在尝试按字符串字段“country”对对象列表进行排序。每个国家都使用其母语

阿根廷
澳大利亚
Österreich
Ελλάδα
България...

我想要做的是例如“България”出现在“A *”国家之后，因为字母“Б”对应于拉丁语“B”。我正在尝试使用默认的Collater，但非拉丁名称仍然列在最后列表中。

到目前为止，这是我的代码：

private static final Comparator<DomainTO> DOMAIN_COUNTRY_COMPARATOR =
    new Comparator<DomainTO>() {
    @Override
    public int compare(DomainTO t, DomainTO t1) {
        Collator defaultCollator = Collator.getInstance();
        return defaultCollator.compare(t.getCountry(), t1.getCountry());
    }
};

Answer 1

如何对来自不同语言的单词进行排序？有许多字母表（英语，俄语，德语等）。每个人都订购了一系列信件。对来自一个字母表的单词进行排序很容易。但是有可能将所有这些字母合并成一个吗？我认为不可能以一种可以被所有人接受的方式来实现。以英语和俄语字母为例。俄语字母可以转换成英文字母（至少大部分都是这样）但是在这个演员之后他们会改变顺序。这将有利于一个字母表而不是另一个字母表。为什么不给俄语写英文字母？
另一个问题是有特殊字母。在德语中，O和P之间有Ö，波兰语中有Ó在这个地方。所以我们有以下关系：

O < Ö < P  
O < Ó < P

但是Ö和Ó之间的关系是什么？如果有一个国家Ósterreich它应该是或Österreich之后？因此，不可能定义从不同语言中排序单词的通用规则。

我们所能做的就是将所有字母表投射到所选字母表中。这就是OP正在努力做的事所选择的是拉丁字母，其他字母必须输入到这个字母表中。问题是这种铸造通常是模棱两可的。很容易我们只能投出大部分俄语或希腊语字母更大的问题是阿拉伯语或亚洲语言。我们应该记住，当从一个字母表转换到另一个字母表时，我们经常会丢失一些

那么我们怎么做这样的排序呢？

第一个主张是为每个国家手动提供拉丁名称。所以我们会有一个包含对的列表
- РоссияRossija
- ΕλλάδαEllada
  然后我们可以按拉丁名称和显示名称排序。
第二种方法是运行与此类似的代码：

代码：

char [] russian = "АаБбВвГгДдЕеЁёЖжЗзИиЙйКкЛлМмНнОоПпРрСсТтУуФфХхЦцЧчШшЩщ".toCharArray();  
char [] russian_to = "AaBbWwGgDdEeEeZzZzIiJjKkLlMmNnOoPpRrSsTtUuFfHhCcCcSsss".toCharArray();  
for (int i = 0; i < russian.length; i++) {
    input = input.replace(russian[i], russian_to[i]);
}

这样我们就转换了俄语字母表中的所有字母。现在我们必须为其他字母添加类似的代码。而俄语是最简单的但是假设我们成功了，我们设法对世界上所有语言进行了这样的排序但是进行这种分类的后果是什么？在我们回答这个问题之前，让我们问一下这样做的目的是什么。 OP没有说出他做这种排序的原因。但我们可以推断它：

为什么我们要对元素进行排序？：为了使它们更容易找到。
为什么国家/地区的名称是用母语？为了使这个列表对世界上只懂母语的公民有用。

让我们回答这个问题：这种排序是否更容易找到只知道他母语的人的特定国家？

如果有人来自奥地利，那么他认为Österreich将在所有以O开头的国家之后。但正常化后，Österreich将成为Osterreich，将介于安大略省和渥太华之间。（我知道安大略省和渥太华不是国家。这只是一个例子）。
如果有人来自日本并且不懂拉丁字母，那么这种分类对他来说是没用的。他必须扫描所有名单，直到找到他的国家。
假设有国家Волгоград（Wolgograd），并且有只知道俄语字母的这个国家的市民。在俄语字母表中В是第三个字母，所以当Волгоград接近列表的末尾（靠近委内瑞拉）时，这个人会在列表的开头（比利时和丹麦之间的某个地方）搜索。所以在这种情况下，排序不仅没有帮助，而且还具有误导性。
如果有人知道拉丁字母并正在搜索他的国家，那么这并非易事。当所有国家都以英文命名并且我正在寻找“波兰”时，我总是知道我是否应该在列表中上下。如果我看到“日本”，我知道要列入清单。当我看到'俄罗斯'时，我知道要上去。
但如果我们对所有这些名称进行排序，那么可能会出现问题。如果我看到了ايران，那么我将无法决定是否上下列表。所以在这个例子中，排序没有帮助。更糟糕的情况是我在名单上遇到Волгоград。我不知道俄语字母，我会认为我接近'B'字母，而实际上我接近列表的末尾。然后我会选择错误的方向。

<强>要点：

对以不同语言编写的国家/地区名称进行排序很难定义和实施。实施后，它将无用或有害。

Answer 2

也许您可以比较规范化的字符串。像这样：

private static final Comparator<DomainTO> DOMAIN_COUNTRY_COMPARATOR =
    new Comparator<DomainTO>() {

        private String normalize(final String input) {
            return Normalizer
                .normalize(input, Normalizer.Form.NFD)
                .replaceAll("[^\\p{ASCII}]", "");
        }

        @Override
        public int compare(final DomainTO t, final DomainTO t1) {
            return normalize(t.getCountry()).compareTo(
                normalize(t1.getCountry()));
        }
    };

请参阅有关规范化的相关问题：Converting Java String to ascii（此问题与几个类似的问题相关联）

在Java中对多语言环境字符串进行排序

2 个答案: