自定义中文排序，Collator使用全解析

本文深入解析了Java中专为中文等多语言设计的Collator类，揭示了为何简单的String.compareTo()会导致中文排序错乱——它仅按Unicode码点比较，完全无视拼音、声调、笔画等语言学规则；而Collator通过Locale.CHINA实例配合PRIMARY强度设置，可实现符合实际语序的稳定拼音排序，同时警示了线程安全、locale硬编码、strength误配等常见陷阱，并对比了JDK原生方案与icu4j在笔画/部首排序等高阶需求下的实用取舍，帮助开发者真正理解：中文排序不是技术细节，而是本地化工程的起点。

Collator 是什么，为什么不能直接用 String.compareTo()

中文排序不是按 Unicode 码点排的，比如“苹果”和“香蕉”，按 String.compareTo() 可能先比首字“苹”和“香”的码点，结果不符合实际语序（比如拼音顺序或笔画顺序）。Collator 是 Java 提供的本地化比较器，专为多语言（含中文）设计，它知道“张”该排在“李”前面，不是因为 '张' 的码点小，而是根据指定规则（如拼音、笔画、部首）动态判断。

常见错误现象：Collections.sort(list) 后中文乱序，或“测试”排在“安全”前面；用 Arrays.sort(arr, String::compareTo) 得到反直觉结果；甚至不同 JDK 版本表现不一致——这是因为 String.compareTo() 是纯码点比较，和语言环境无关。

• 必须显式创建 Collator 实例，不能靠默认字符串比较
• 推荐用 Collator.getInstance(Locale.CHINA)，而非 Locale.getDefault()，避免用户系统 locale 意外变更影响排序稳定性
• Collator 实例不是线程安全的，高并发场景下别复用单个实例做多次 compare()

怎么用 Collator 给 List 排序（Java 8+）

核心是把 Collator 转成 Comparator，传给 sort()。最简方式是调用 Collator.getRules() 不重要，关键是 compare() 方法要被正确封装。

实操建议：

• 用 Collator.getInstance(Locale.CHINA) 获取中文拼音排序器（默认就是拼音）
• 用 lambda 封装： list.sort((s1, s2) -> collator.compare(s1, s2))
• 如果要用 stream().sorted()，写成 .sorted(collator::compare) 更简洁
• 注意：不要写成 list.sort(collator::compare) —— 这会报错，因为 compare() 是实例方法，需先有实例

示例：

Collator collator = Collator.getInstance(Locale.CHINA);
List<String> list = Arrays.asList("张三", "李四", "王五");
list.sort((a, b) -> collator.compare(a, b)); // ✅ 正确
// 排序后：李四、王五、张三（按拼音 L-W-Z）

想按笔画/部首排？得换 Collator 规则或换方案

标准 Collator.getInstance(Locale.CHINA) 默认走拼音排序，不支持直接切到笔画或部首。JDK 自带的 Collator 实现（RuleBasedCollator）理论上可自定义规则，但中文笔画规则极其复杂，官方没提供现成 rule string，硬写极易出错。

真实使用场景中，如果真需要笔画排序：

• 优先考虑引入第三方库如 icu4j，它提供 CollationKey 和更细粒度的中文排序策略（如 CHINESE_PINYIN / CHINESE_STROKE）
• 若只能用 JDK，可预计算每个字符串的笔画数（用外部字典 API 或离线笔画表），再用 Comparator.comparingInt(...) 做二级排序
• 别尝试用 RuleBasedCollator 手写几千字的笔画规则——维护成本高，且 JDK 9+ 对其支持变弱

性能提示：ICU4J 的 Collator 比 JDK 原生慢 10%~30%，但换来的是规则可控；纯 JDK 方案快，但只保底拼音。

Collator 的 strength 设置会影响排序精度

Collator 的 setStrength() 决定比较时是否区分大小写、音调、甚至全半角。中文环境下最容易被忽略的是：拼音排序时，带声调的字（如“妈 mā” vs “麻 má”）默认会被视为不同——而多数业务其实希望忽略声调。

实操建议：

• 设 collator.setStrength(Collator.PRIMARY)：只比基本字形（即忽略声调、大小写、标点差异），适合绝大多数中文列表排序
• 设 Collator.SECONDARY：区分声调，但忽略大小写；一般不用
• 设 Collator.TERTIARY（默认）：区分大小写+声调+全半角，中文里容易导致“啊”和“阿”被拆开
• 设置后记得重新用 collator.compare()，否则 strength 不生效

示例：

Collator collator = Collator.getInstance(Locale.CHINA);
collator.setStrength(Collator.PRIMARY); // ✅ 忽略声调
System.out.println(collator.compare("西安", "西岸")); // 返回 0，因“安”和“岸”在 PRIMARY 级别等价

真正麻烦的不是写几行代码，是意识到中文排序从来不是“字面意思”——拼音、笔画、繁简、异体字、甚至用户所在地区（大陆/台湾/港澳）都会让同一个 Collator 实例返回不同结果。别省掉 Locale 参数，也别假设“排出来看着顺眼就对了”。

到这里，我们也就讲完了《自定义中文排序，Collator使用全解析》的内容了。个人认为，基础知识的学习和巩固，是为了更好的将其运用到项目中，欢迎关注golang学习网公众号，带你了解更多关于的知识点！