java對中文（拼音）進行排序

拼音排序
拼音有好幾種方式，其中最主要的是中華人民共和國的漢語拼音 Chinese Phonetic。對漢字的排序有兩種：一種是寬鬆的，能夠按拼音排序最常用的漢字，另一種是嚴格的，能夠按拼音排序絕大部分大部分漢字。

寬鬆的拼音排序法
原理：漢字最早是GB2312編碼，收錄了六千多個漢字，是按拼音排序的，編碼是連續的。 後來出現了GBK編碼，對GB2312進行了擴充套件，到了兩萬多漢字，並且相容GB2312，也就是說GB2312中的漢字編碼是原封不動搬到GBK中的(在GBK編碼中[B0-D7]區中)。

如果我們只關心這6000多個漢字的順序，就可以用下面的方法實現漢字寬鬆排序。

package com.zhaosoft.chinese.utility;

import java.text.Collator;
import java.util.Arrays;
import java.util.Comparator;
import java.util.List;
import java.util.Locale;
/**
* @author zhaosoft
*/
public class PinyinSimpleComparator implements Comparator<String> {

 @Override
 public int compare(String o1, String o2) {
   return Collator.getInstance(Locale.CHINESE).compare(o1, o2);
 }
 public static void main(String[] args) {   
        String[] data = { "孫", "孟", "宋", "尹", "廖", "張", "徐", "昆","曹", "曾", "怡" };   
  
        List<String> list = Arrays.asList(data);   
        Arrays.sort(data, new PinyinSimpleComparator());   
        System.out.println(list); 
    }
}

在對[孫, 孟, 宋, 尹, 廖, 張, 徐, 昆, 曹, 曾,怡]這幾個漢字排序，結果是：[曹, 昆, 廖, 孟, 宋, 孫, 徐, 尹, 曾, 張, 怡]。最後一個 怡 有問題，不該排在最後的。

注意：這個程式有兩個不足

由於gb2312中的漢字編碼是連續的，因此新增加的漢字不可能再按照拼音順序插入到已有的gb2312編碼中，所以新增加的漢字不是按拼音順序排的。
同音字比較的結果不等於0 。
下面的測試程式碼可以證明

/**
* 非常用字(怡)
*/
@Test
public void testNoneCommon() {
    Assert.assertTrue(comparator.compare("怡", "張") > 0);
}

/**
* 同音字
*/
@Test
public void testSameSound() {
    Assert.assertTrue(comparator.compare("怕", "帕") != 0);
}

嚴格的拼音排序法
為了解決寬鬆的拼音的兩點不足，可以通過實現漢語拼音的函式來解決。goolge下看到sf上有個pinyin4j的專案，可以解決這個問題，pinyin4j的專案地址是：http://pinyin4j.sourceforge.net/。

實現程式碼：

package com.zhaosoft.chinese.utility;

import java.util.Arrays;
import java.util.Comparator;
import java.util.List;
import net.sourceforge.pinyin4j.PinyinHelper;
/**
* @author zhaosoft
*/
public class PinyinComparator implements Comparator<String> {

 private String concatPinyinStringArray(String[] pinyinArray) {
  StringBuffer pinyinStrBuf = new StringBuffer();
  if ((null != pinyinArray) && (pinyinArray.length > 0)) {
   for (int i = 0; i < pinyinArray.length; i++) {
    pinyinStrBuf.append(pinyinArray[i]);
   }
  }
  String outputString = pinyinStrBuf.toString();
  return outputString;
 }

 @Override
 public int compare(String o1, String o2) {
  char c1 = ((String) o1).charAt(0);
  char c2 = ((String) o2).charAt(0);
  return concatPinyinStringArray(
    PinyinHelper.toHanyuPinyinStringArray(c1)).compareTo(
    concatPinyinStringArray(PinyinHelper
      .toHanyuPinyinStringArray(c2)));
 }
 public static void main(String[] args) {   
          String[] data = { "孫", "孟", "宋", "尹", "廖", "張", "張", "張", "徐", "昆","曹", "曾", "怡" };   
    
          List<String> list = Arrays.asList(data);   
          Arrays.sort(data, new PinyinComparator());   
          System.out.println(list); 
      }   
}
輸出結果：

[曹, 曾, 昆, 廖, 孟, 宋, 孫, 徐, 怡, 尹, 張, 張, 張]