在哪里可以找到一组用于字符串相等性比较的特定排序规则？

Question

我们都知道使用String的equals()方法进行相等比较会惨败。相反，应该使用 Collat​​or，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，这段代码有效，即结果为 true除非 uiLocale 设置为丹麦语。在这种情况下，它将产生 false。我当然明白为什么发生这种情况：这只是因为 equals 方法是这样实现的：

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

该方法调用用于排序的方法并检查字符串是否相同。它们不是，因为丹麦特定的排序规则要求将 æ 排序在（如果我正确理解比较方法的结果）ae 之后。然而，这些字符串实际上是相同的，凭借这种优势，大小写差异和此类兼容性字符（这就是它的名称）应该被视为相同。

要解决此问题，可以使用 RuleBasedCollat​​or 以及一组特定的规则将适用于平等情况。
最后的问题是：有谁知道我可以在哪里获得这样的特定规则（不仅适用于丹麦语，也适用于其他语言），以便将兼容性字符、连字等视为平等（CLDR 图表 似乎不包含这样的内容或者我失败了正在寻找它）？

或者也许我想在这里做一些愚蠢的事情，我真的应该简单地使用 UCA 进行相等比较（请提供任何代码示例） ？

Answer 1

我找不到任何现有的丹麦语整理器；丹麦语言环境的内置版本应该是正确的。我不确定您关于 ae 应使用 æ 排序的假设是否成立，特别是由于某些外来词（例如 "aerofobi") 丹麦语（我不是说丹麦语的人，虽然我说瑞典语）。

但是，如果您想将它们排序在一起，似乎有两种方法可以做到这一点，具体取决于您所处的上下文。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");

另一个也许更好的选项是您指定的那个；使用RuleBasedCollat​​or。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);

然后您可以使用它：

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

如果您认为默认整理器不正确，您可能希望 报告错误。 （以前曾出现过类似的错误）。

更新：我用印刷版丹麦语百科全书对此进行了检查。确实存在以“ae”开头的单词（主要是外语单词；例如“aerobics”），它们不与（因此不等于）以“æ”开头的单词排序。因此，尽管我明白为什么在许多情况下你会想平等地对待它们，但严格来说它们并非如此。

Answer 2

获取特定区域设置的规则的一种方法是使用 getRules 函数。然而，在Android中，这个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：我尝试将 JDK 桌面应用程序字符串中的规则插入 Android RuleBasedCollat​​or 构造函数，但收到 U_INVALID_FORMAT_ERROR（仅限 Android）。所以我仍在试图弄清楚如何在 Android 中获取美国规则。