分享
 
 
 

跟你一起分析JAVA中文比较问题的解决

王朝java/jsp·作者佚名  2008-05-31
窄屏简体版  字體: |||超大  

Java的中文问题由来已久,前不久笔者需要做内存中的中文比较排序,对字符串进行GBK或者GB2312编码以后,使用String.compareTo方法仍然不能得到正确结果。因此,怀着怀疑的态度,对JDK中String类的源代码做了一翻探究。(作者使用JDK为1.3.1版本)

以下是String.java中compareTo的源代码,请注重其中的注释:

public class String

{

public int compareTo(String anotherString) {

int len1 = count;

int len2 = anotherString.count;

//n为两个字符串长度的最小者

int n = Math.min(len1, len2);

//获取字符数组

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 是第一个存储索引

int i = offset;

int j = anotherString.offset;

//假如i == j

//这里可能是判定取同一内存中两个字符串的情景。。。

// A <-- <----

// Bs1

// C <--

// Ds2

// E

// F

// G <----------

// 可能这种情况 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://直到找到一个不相等的字符,返回c1 - c2

return c1 - c2;

k++;

}

} else {

while (n-- != 0)

file://直到两个字符串长度记数为0

{

char c1 = v1[i++]; file://分别取字符

char c2 = v2[j++];

if (c1 != c2) {

//发现不相等,立即返回c1 - c2;

return c1 - c2;

}

}

}

return len1 - len2;

//最后这里可能出现的情况是: 两个字符串比较完之后还没有得到结果。相等的情况

}

}//end of class Stringc2) file://直到找到一个不相等的字符,返回c1 - c2return c1 - c2; k++; } } else { while (n-- != 0) file://直到两个字符串长度记数为0{ char c1 = v1[i++]; file://分别取字符 char c2 = v2[j++];if (c1 != c2) {//发现不相等,立即返回c1 - c2;return c1 - c2; } } } return len1 - len2; //最后这里可能出现的情况是: 两个字符串比较完之后还没有得到结果。相等的情况}…}//end of class String

为什么Java在做汉字的CompareTo时比较会有问题呢?通过对compareTo源代码的分析发现,要害在于JDK的compareTo实现是直接使用Char来进行比较的:

char c1 = v1[k];

char c2 = v2[k];

可是当Java使用GB2312编码时,一个对汉字所获取到的Char值却是不规则的,即一个汉字在Java中作为一个char来处理(双字节字符)时,将这样的双字节字符进行强制转换成int类型时,所得到的不是包含了汉字编码顺序的中文内码。可以看一下一组测试数据可以看到其中奥妙:

字符

Char值

Byte[]值

按Byte[]合成的值

25105

[50:46]

[-5046]

29233

[80:82]

[-8082]

21271

[79:79]

[-7979]

20140

[66:87]

[-6687]

22825

[52:20]

[-5220]

23433

[80:78]

[-8078]

38376

[61:59]

[-6159]

A

65

[-65]

[65]

B

66

[-66]

[66]

C

67

[-67]

[67]

D

68

[-68]

[68]

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。注重输入通常是:“我”或者“A”,假如输入更长的字符串,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GBKprivate 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

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。

 
 
 
免责声明:本文为网络用户发布,其观点仅代表作者个人观点,与本站无关,本站仅提供信息存储服务。文中陈述内容未经本站证实,其真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。
2023年上半年GDP全球前十五强
 百态   2023-10-24
美众议院议长启动对拜登的弹劾调查
 百态   2023-09-13
上海、济南、武汉等多地出现不明坠落物
 探索   2023-09-06
印度或要将国名改为“巴拉特”
 百态   2023-09-06
男子为女友送行,买票不登机被捕
 百态   2023-08-20
手机地震预警功能怎么开?
 干货   2023-08-06
女子4年卖2套房花700多万做美容:不但没变美脸,面部还出现变形
 百态   2023-08-04
住户一楼被水淹 还冲来8头猪
 百态   2023-07-31
女子体内爬出大量瓜子状活虫
 百态   2023-07-25
地球连续35年收到神秘规律性信号,网友:不要回答!
 探索   2023-07-21
全球镓价格本周大涨27%
 探索   2023-07-09
钱都流向了那些不缺钱的人,苦都留给了能吃苦的人
 探索   2023-07-02
倩女手游刀客魅者强控制(强混乱强眩晕强睡眠)和对应控制抗性的关系
 百态   2020-08-20
美国5月9日最新疫情:美国确诊人数突破131万
 百态   2020-05-09
荷兰政府宣布将集体辞职
 干货   2020-04-30
倩女幽魂手游师徒任务情义春秋猜成语答案逍遥观:鹏程万里
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案神机营:射石饮羽
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案昆仑山:拔刀相助
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案天工阁:鬼斧神工
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案丝路古道:单枪匹马
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案镇郊荒野:与虎谋皮
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案镇郊荒野:李代桃僵
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案镇郊荒野:指鹿为马
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案金陵:小鸟依人
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案金陵:千金买邻
 干货   2019-11-12
 
推荐阅读
 
 
 
>>返回首頁<<
 
靜靜地坐在廢墟上,四周的荒凉一望無際,忽然覺得,淒涼也很美
© 2005- 王朝網路 版權所有