這篇文章將為大家詳細(xì)講解有關(guān)JAVA中文比較問(wèn)題的分析和解決是怎樣的，文章內(nèi)容質(zhì)量較高，因此小編分享給大家做個(gè)參考，希望大家閱讀完這篇文章后對(duì)相關(guān)知識(shí)有一定的了解。
成都創(chuàng)新互聯(lián)公司從2013年開始，是專業(yè)互聯(lián)網(wǎng)技術(shù)服務(wù)公司，擁有項(xiàng)目成都網(wǎng)站建設(shè)、網(wǎng)站建設(shè)網(wǎng)站策劃，項(xiàng)目實(shí)施與項(xiàng)目整合能力。我們以讓每一個(gè)夢(mèng)想脫穎而出為使命，1280元中站做網(wǎng)站,已為上家服務(wù),為中站各地企業(yè)和個(gè)人服務(wù),聯(lián)系電話:18982081108
Java的中文問(wèn)題由來(lái)已久，前不久需要做內(nèi)存中的中文比較排序，對(duì)字符串進(jìn)行GBK或者GB2312編碼以后，使用String.compareTo方法仍然不能得到正確結(jié)果。因此，懷著懷疑的態(tài)度，對(duì)jdk中String類的源代碼做了一翻探究。（使用JDK為1.3.1版本）
以下是String.java中compareTo的源代碼，請(qǐng)注意其中的注釋：
public class String
{
…
public int compareTo(String anotherString) {
int len1 = count;
int len2 = anotherString.count;
//n為兩個(gè)字符串長(zhǎng)度的最小者
int n = Math.min(len1, len2);
//獲取字符數(shù)組
char v1[] = value;
char v2[] = anotherString.value;
//取偏依位置
/** The offset is the first index of the storage that is used. */
//offset是第一個(gè)存儲(chǔ)索引
int i = offset;
int j = anotherString.offset;
//如果i == j
//這里可能是判斷取同一內(nèi)存中兩個(gè)字符串的情景。。。
// A <-- <----
// B s1 |
// C <-- |
// D s2
// E |
// F |
// G <----------
//可能這種情況 i = j
if (i == j) {
int k = i;
int lim = n + i;
while (k < lim)
{
char c1 = v1[k];
char c2 = v2[k];
if (c1 != c2) file://直到找到一個(gè)不相等的字符，返回c1 - c2
return c1 - c2;
k++;
}
} else {
while (n-- != 0) file://直到兩個(gè)字符串長(zhǎng)度記數(shù)為0
{
char c1 = v1[i++]; file://分別取字符
char c2 = v2[j++];
if (c1 != c2) { //發(fā)現(xiàn)不相等，立即返回c1 - c2;
return c1 - c2;
}
}
}
return len1 - len2;
//最后這里可能出現(xiàn)的情況是:兩個(gè)字符串比較完之后還沒(méi)有得到結(jié)果。相等的情況
}
…
}//end of class String
為什么Java在做漢字的CompareTo時(shí)比較會(huì)有問(wèn)題呢？通過(guò)對(duì)compareTo源代碼的分析發(fā)現(xiàn)，關(guān)鍵在于JDK的compareTo實(shí)現(xiàn)是直接使用Char來(lái)進(jìn)行比較的：
char c1 = v1[k];
char c2 = v2[k];
可是當(dāng)Java使用GB2312編碼時(shí)，一個(gè)對(duì)漢字所獲取到的Char值卻是不規(guī)則的，即一個(gè)漢字在Java中作為一個(gè)char來(lái)處理（雙字節(jié)字符）時(shí)，將這樣的雙字節(jié)字符進(jìn)行強(qiáng)制轉(zhuǎn)換成int類型時(shí)，所得到的不是包含了漢字編碼順序的中文內(nèi)碼。可以看一下一組測(cè)試數(shù)據(jù)可以看到其中奧妙：
字符
Char值
Byte[]值
按Byte[]合成的值
我
25105
[50:46]
[-5046]
愛(ài)
29233
[80:82]
[-8082]
北
21271
[79:79]
[-7979]
京
20140
[66:87]
[-6687]
天
22825
[52:20]
[-5220]
安
23433
[80:78]
[-8078]
門
38376
[61:59]
[-6159]
A
65
[-65]
[65]
B
66
[-66]
[66]
C
67
[-67]
[67]
D
68
[-68]
[68]
按照中文順序：“我”字應(yīng)該在“愛(ài)”字后面，因此理論上來(lái)講"我"字的Char值應(yīng)該比“愛(ài)"字的char值要大?？墒遣恢罏槭裁碕ava的漢字char(兩個(gè)byte)->int類型的轉(zhuǎn)換會(huì)發(fā)生很大偏差。而失去了漢字原本在ＧＢＫ規(guī)范當(dāng)中，按內(nèi)碼排列好的順序。但從一個(gè)漢字拆分成2個(gè)字節(jié)的byte[]時(shí)，所得到的值并沒(méi)有打亂GBK編碼規(guī)定的順序，因此得到解決問(wèn)題的思路：將String進(jìn)行GB2312編碼后取得某個(gè)漢字獲取其Char值時(shí)，將漢字拆分成2個(gè)字節(jié)byte[]再進(jìn)行計(jì)算，從而得到正確的內(nèi)碼。
因此我自己寫了下面這樣幾個(gè)函數(shù)，基本上解決了漢字比較的問(wèn)題：
函數(shù)包括三個(gè)，你可以隨意放置到任何類當(dāng)中作為輔助函數(shù)使用(Private Helper)。
n public int compare(String s1, String s2) ：主要工作是為比較做一些前期的編碼工作可以說(shuō)是系統(tǒng)的一個(gè)外殼。
n public int chineseCompareTo(String s1, String s2)：該函數(shù)則是中文字符串比較主體，其內(nèi)部實(shí)現(xiàn)了比較的最基本邏輯，和JDK的compareTo所使用的邏輯是一樣的。調(diào)用接口也一樣。
n public static int getCharCode(String s)：該函數(shù)則負(fù)責(zé)將一個(gè)以字符串形式存在的字符轉(zhuǎn)換成為int編碼，兒不損失其位置信息。注意輸入通常是：“我”或者“A”，如果輸入更長(zhǎng)的字符串，則改函數(shù)獲得的是第一個(gè)字符的值。
private static String __ENCODE__ = "GBK"; file://一定要是GBK
private static String __SERVER_ENCODE__ = "GB2312"; file://服務(wù)器上的缺省編碼
/*
比較兩字符串
*/
public int compare(String s1, String s2)
{
String m_s1 = null, m_s2 = null;
try
{
//先將兩字符串編碼成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("比較：" + s1 + " | " + s2 + "==== Result: " + res);
return res;
}
//獲取一個(gè)漢字/字母的Char值
public static int getCharCode(String s)
{
if (s==null && s.equals(“”)) return -1; file://保護(hù)代碼
byte [] b = s.getBytes();
int value = 0;
//保證取第一個(gè)字符（漢字或者英文）
for (int i = 0; i < b.length && i <= 2; i ++)
{
value = value * 100 + b[i];
}
return value;
}
//比較兩個(gè)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;
}
關(guān)于JAVA中文比較問(wèn)題的分析和解決是怎樣的就分享到這里了，希望以上內(nèi)容可以對(duì)大家有一定的幫助，可以學(xué)到更多知識(shí)。如果覺(jué)得文章不錯(cuò)，可以把它分享出去讓更多的人看到。
重慶分公司
重慶分公司
