Java Collator 怎样设置重音与大小写的比较层级

做英文姓名或商品名排序时，直接调用 String.compareTo 往往会把大小写、重音符号和语言规则混在一起。Java 的 Collator 适合把这些差异拆开控制：先用目标语言的 Locale 创建实例，再用 setStrength 选择比较层级，必要时用 setDecomposition 处理字符的规范表示。

先把比较层级拆成四档

Collator 不是简单的忽略大小写比较器，它按语言环境定义“哪些差异重要”。官方 API 将强度分为四档：PRIMARY 只看基础字母差异；SECONDARY 通常开始区分重音；TERTIARY 通常再区分大小写；IDENTICAL 进一步保留所有差异。这里的“通常”很重要，因为语言规则由 Locale 决定，不能把英文经验硬套到所有语言。

用 Locale 和 strength 组合出排序策略

不要先把字符串统一转小写、再手工移除重音。这样容易丢失原文，也无法表达不同语言的排序规则。下面的示例固定使用美国英语 Locale，比较三个包含大小写与重音差异的字符串：

import java.text.Collator;
import java.util.List;
import java.util.Locale;

public class CollatorStrengthDemo {
    public static void main(String[] args) {
        List names = List.of("cafe", "Café", "café");
        Collator collator = Collator.getInstance(Locale.US);
        // PRIMARY 只保留基础字母层级，适合宽松匹配和去重。
        collator.setStrength(Collator.PRIMARY);

        System.out.println(collator.compare(names.get(0), names.get(1)));
        // 这里的零表示两项在当前比较层级下等价。
        collator.setStrength(Collator.TERTIARY);
        System.out.println(collator.compare(names.get(0), names.get(1)));
        // TERTIARY 通常会把大小写或重音差异重新纳入比较。
    }
}

如果业务只要求“用户输入 Cafe 能找到 café”，选择 PRIMARY 比先改写字符串更清晰；如果结果要稳定展示，通常从 TERTIARY 开始试，并用目标 Locale 的实际数据覆盖测试。图片中的层级关系是静态说明图，不是运行截图。

把预分解字符交给 decomposition 处理

strength 决定比较时重视哪些差异，decomposition 决定是否拆解字符表示。NO_DECOMPOSITION 速度较快，但不适合所有带重音的语言；CANONICAL_DECOMPOSITION 处理规范分解；遇到全角、半角等兼容表示时，才考虑 FULL_DECOMPOSITION。这不是“越强越好”，而是要和输入数据的实际编码方式匹配。

import java.text.Collator;
import java.util.Locale;

public class DecompositionDemo {
    public static void main(String[] args) {
        Collator collator = Collator.getInstance(Locale.US);
        // 先纳入重音差异，再用规范分解处理组合字符序列。
        collator.setStrength(Collator.SECONDARY);
        collator.setDecomposition(Collator.CANONICAL_DECOMPOSITION);

        String composed = "é";
        String combining = "e\u0301";
        System.out.println(collator.compare(composed, combining));
        // 输出为 0 只说明当前 Locale、强度和分解设置下两者等价。
    }
}

测试时至少准备预组合字符和组合字符两组样本；如果还涉及兼容字符，再单独评估 FULL_DECOMPOSITION 的代价。不要把一个 Locale 下的结果当成所有语言的通用结论。

排序列表时再切换到 CollationKey

一次比较只调用一次 compare 即可。排序列表时，同一个字符串可能被比较多次，这时可以让 Collator 为每项生成 CollationKey，然后排序这些键。键必须由同一个 Collator 生成，不能把不同 Locale 或不同 strength 的键混在一起。

import java.text.Collator;
import java.util.ArrayList;
import java.util.Comparator;
import java.util.List;
import java.util.Locale;

public class CollationKeyDemo {
    public static void main(String[] args) {
        Collator collator = Collator.getInstance(Locale.US);
        // 固定比较策略后再生成键，避免同一列表出现混合规则。
        collator.setStrength(Collator.TERTIARY);
        List names = new ArrayList(List.of("Zoe", "zoë", "Zoë"));

        names.sort(Comparator.comparing(collator::getCollationKey));
        // 排序阶段比较的是同一 Collator 生成的键。
        names.forEach(System.out::println);
    }
}

生成键本身要扫描完整字符串，所以短列表或只比较一次时未必更快；大量重复排序、分页展示或缓存排序结果时，才值得把键缓存起来。图片中的连接关系是结构说明，不代表某次程序的真实输出。

常见问题

为什么设置 PRIMARY 后重音和大小写都可能相等？

因为 PRIMARY 只保留基础字母层级。是否忽略某种差异仍由 Locale 决定，跨语言时应使用目标语言样本测试。

compare 和 CollationKey 应该怎么选？

单次比较或短列表直接用 compare；同一批字符串会被重复比较时，考虑用同一个 Collator 生成键后排序。

多个线程能共享一个 Collator 吗？

官方文档提示默认的 RuleBasedCollator 并发使用可能产生明显竞争。更稳妥的做法是按线程取得独立实例，或在明确测量后设计安全的实例复用策略。

落地时可以先固定 Locale，再根据“是否忽略重音、是否区分大小写、是否处理组合字符”选择 strength 与 decomposition，最后用代表性数据验证排序边界。这样比较策略会留在配置层，而不是散落在字符串预处理代码里。