熱點推薦:
您现在的位置: 電腦知識網 >> 編程 >> Java編程 >> JSP教程 >> 正文

跟你一起分析JAVA中文比較問題的解決

2013-11-15 11:45:14  來源: JSP教程 

  Java的中文問題由來已久前不久筆者需要做內存中的中文比較排序對字符串進行GBK或者GB編碼以後使用pareTo方法仍然不能得到正確結果因此懷著懷疑的態度對JDK中String類的源代碼做了一翻探究(作者使用JDK為版本)
  
  以下是Stringjava中compareTo的源代碼請注意其中的注釋
  
  public class String
  {
  …
  public int compareTo(String anotherString) {
  int len = count;
  int len = unt;
  //n為兩個字符串長度的最小者
  int n = Mathmin(len len);
  //獲取字符數組
  char v[] = value;
  char v[] = anotherStringvalue;
  //取偏依位置
  /** The offset is the first index of the storage that is used */
  //offset 是第一個存儲索引
  int i = offset;
  int j = anotherStringoffset;
  //如果i == j
  //這裡可能是判斷取同一內存中兩個字符串的情景
  // A  <  <
  // B  s   |
  // C  <   |
  // D      s
  // 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 c = v[k];
  char c = v[k];
  if (c != c) file://直到找到一個不相等的字符返回c c
  return c c;
  k++;
  }
  } else {
  while (n != )
  file://直到兩個字符串長度記數為
  {
  char c = v[i++]; file://分別取字符
  char c = v[j++];
  if (c != c) {
  //發現不相等立即返回c c;
  return c c;
  }
  }
  }
  return len len;
  //最後這裡可能出現的情況是: 兩個字符串比較完之後還沒有得到結果相等的情況
  }
  …
  }//end of class String c) file://直到找到一個不相等的字符返回c c              return c c;           k++;      }    } else {      while (n != ) file://直到兩個字符串長度記數為       {           char c = v[i++]; file://分別取字符           char c = v[j++];           if (c != c) { //發現不相等立即返回c c;              return c c;           }      }    }    return len len; //最後這裡可能出現的情況是: 兩個字符串比較完之後還沒有得到結果相等的情況  }…}//end of class String
  
  為什麼Java在做漢字的CompareTo時比較會有問題呢?通過對compareTo源代碼的分析發現關鍵在於JDK的compareTo實現是直接使用Char來進行比較的
  
  char c = v[k];
  
  char c = v[k];
  
  可是當Java使用GB編碼時一個對漢字所獲取到的Char值卻是不規則的即一個漢字在Java中作為一個char來處理(雙字節字符)時將這樣的雙字節字符進行強制轉換成int類型時所得到的不是包含了漢字編碼順序的中文內碼可以看一下一組測試數據可以看到其中奧妙
  
  字符
  Char值
  Byte[]值
  按Byte[]合成的值
  
  我
  
  [:]
  []
  
  愛
  
  [:]
  []
  
  北
  
  [:]
  []
  
  京
  
  [:]
  []
  
  天
  
  [:]
  []
  
  安
  
  [:]
  []
  
  門
  
  [:]
  []
  
  A
  
  []
  []
  
  B
  
  []
  []
  
  C
  
  []
  []
  
  D
  
  []
  []
  
  按照中文順序字應該在字後面因此理論上來講字的Char值應該比字的char值要大可是不知道為什麼Java的漢字char(兩個byte)>int類型的轉換會發生很大偏差而失去了漢字原本在GBK規范當中按內碼排列好的順序但從一個漢字拆分成個字節的byte[]時所得到的值並沒有打亂GBK編碼規定的順序因此得到解決問題的思路將String進行GB編碼後取得某個漢字獲取其Char值時將漢字拆分成個字節byte[]再進行計算從而得到正確的內碼
  
  因此我自己寫了下面這樣幾個函數基本上解決了漢字比較的問題
  
  函數包括三個你可以隨意放置到任何類當中作為輔助函數使用(Private Helper)
  
  n public int compare(String s String s) 主要工作是為比較做一些前期的編碼工作可以說是系統的一個外殼
  
  n public int chineseCompareTo(String s String s)該函數則是中文字符串比較主體其內部實現了比較的最基本邏輯和JDK的compareTo所使用的邏輯是一樣的調用接口也一樣
  
  n public static int getCharCode(String s)該函數則負責將一個以字符串形式存在的字符轉換成為int編碼兒不損失其位置信息注意輸入通常是或者A如果輸入更長的字符串則改函數獲得的是第一個字符的值
  
  private static String __ENCODE__ = GBK; file://一定要是GBKprivate static String __SERVER_ENCODE__ = GB; file://服務器上的缺省編碼/*比較兩字符串*/    public int compare(String s String s)    {       String m_s = null m_s = null;       try       {           //先將兩字符串編碼成GBK           m_s = new String ( sgetBytes(__SERVER_ENCODE__) __ENCODE__);           m_s = new String ( sgetBytes(__SERVER_ENCODE__) __ENCODE__);       }       catch( Exception ex)       {           return pareTo(s);       }       int res = chineseCompareTo(m_s m_s);        Systemoutprintln(比較 + s + | + s + ==== Result: + res);       return res;    } //獲取一個漢字/字母的Char值    public static int getCharCode(String s)    {       if (s==null && sequals()) return ; file://保護代碼byte [] b = sgetBytes();       int value = ;       //保證取第一個字符(漢字或者英文)       for (int i = ; i < blength && i <= 2; i ++)       {           value = value * 100 + b[i];       }       return value;    } //比較兩個字符串    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;    }
  
  可見,對系統源代碼的解剖,能讓我們在迷惑之余同樣有機會窺探系統內部運作的奧妙。tw.wiNGwit.COm不過讓人非常費解的是,Java內部的某些類書寫風格非常不好,同時存在一些Bug。不過這也許是筆者個人感受。偶有所獲,願與大家共同分享,其中疏漏之處望不吝賜教。

From:http://tw.wingwit.com/Article/program/Java/JSP/201311/19557.html
    推薦文章
    Copyright © 2005-2013 電腦知識網 Computer Knowledge   All rights reserved.