java在哪里可以找到字符串相等比较的一组特定排序规则？

Question

我们都知道，使用String的equals（）方法进行相等比较会失败得很惨。相反，应该使用Collator，如下所示：

// we need to detect User Interface locale somehow
Locale uiLocale = Locale.forLanguageTag("da-DK");
// Setting up collator object
Collator collator = Collator.getInstance(uiLocale);
collator.setStrength(Collator.SECONDARY);
collator.setDecomposition(Collator.CANONICAL_DECOMPOSITION);
// strings for equality testing
String test1 = "USA lover Grækenland støtte";
String test2 = "USA lover graekenland støtte";
boolean result = collator.equals(test1, test2);

现在，这段代码起作用了，即结果是真的，除非将uiLocale设置为丹麦语。在这种情况下，它将产生false。我当然理解发生这种情况的原因：这只是因为方法equals是这样实现的：

return compare(s1, s2) == Collator.Equal;

此方法调用用于排序和检查字符串是否相同的方法。它们不是，因为丹麦特定的排序规则要求æ在ae之后排序（如果我正确理解比较方法的结果）。但是，这些字符串实际上是相同的，有了这个强度，大小写差异和兼容字符（这就是它的名称）应该被视为相等的

要解决这个问题，可以将RuleBasedCollator与一组特定的规则一起使用，这些规则将适用于平等情况
最后一个问题是：是否有人知道我可以从哪里获得这样的特定规则（不仅针对丹麦语，还针对其他语言），以便兼容字符、连字等被视为相等（CLDRchart似乎不包含这样的规则，或者我搜索失败）

或者我想在这里做一些愚蠢的事情，我真的应该简单地使用UCA进行等式比较（请选择任何代码示例）

Answer 1

获取特定区域设置的规则的一种方法是使用getRules函数。但是，在Android中，此函数返回一个空字符串

    RuleBasedCollator collTemp = (RuleBasedCollator) Collator
            .getInstance(Locale.US);
    String usRules = collTemp.getRules();


    //Save rules in a file
    String rulesPath = "C:\\projects\\droid\\rules.txt";
    BufferedWriter out = new BufferedWriter
            (new OutputStreamWriter(new FileOutputStream(rulesPath),"UTF-16"));
    out.write(usRules);
    out.close();

这些规则与比较函数使用的规则相同

if (collTemp.compare(target, str) < 0)

注意：我试图将JDK桌面应用程序字符串中的规则插入到Android RuleBasedCalator构造函数中，但我得到了U_无效_格式_错误（仅在Android中）。因此，我仍在试图找出如何在安卓系统中获得美国规则

Answer 2

我找不到任何现有的丹麦语拼贴画；丹麦地区的内置版本应该是正确的。我不确定您是否认为ae应该与æ保持一致，特别是由于某些丹麦语外来词（例如"aerofobi"）（我不是讲丹麦语的人，尽管我讲瑞典语）

但是，如果你想把它们分类在一起，似乎有两种方法可以做到这一点，这取决于你所处的环境。在某些上下文中，仅替换字符可能是合适的：

String str = "USA lover graekenland støtte";
String sortStr = str.replace("ae", "æ");

另一个可能更好的选项是您指定的选项；使用RuleBasedCollator。使用javadocs中的示例，这非常简单：

String danish = "< a, A < b, B < c, C < d, D < e, E < f, F < g, G < h, H < i, I" +
                "< j, J < k, K < l, L < m, M < n, N < o, O < p, P < q, Q < r, R" +
                "< s, S < t, T < u, U < v, V < w, W < x, X < y, Y < z, Z" +
                "< \u00E6 = ae," +       // Latin letter ae
                "  \u00C6 = AE " +       // Latin letter AE
                "< \u00F8, \u00D8" +     // Latin letter o & O with stroke
                "< \u00E5 = a\u030A," +  // Latin letter a with ring above
                "  \u00C5 = A\u030A;" +  // Latin letter A with ring above
                "  aa, AA";
RuleBasedCollator danishCollator = new RuleBasedCollator(danish);

然后您可以使用：

String test1 = "USA lover Grækenland støtte";
String test2 = "USA lover Graekenland støtte";         // note capital 'G'
boolean result = danishCollator.equals(test1, test2);  // true

如果您认为默认的collator不正确，您可能希望report a bug。（以前有similar bugs）

更新：我用一本印刷的丹麦语百科全书对此进行了检查。确实有以“ae”开头的单词（主要是来自外语的单词；“健美操”，例如）与以“æ”开头的单词排序（因此不等于）。所以，尽管我明白为什么在很多情况下，你们会希望把他们平等对待，但严格来说，他们并不是这样