java - Perl 和 Java 中的 Unicode 比较

Question

在比较字符串时维护在 Perl 和 Java 中提供相同排序规则的函数的最佳方法是什么？这是 Perl 中的示例函数:

sub compare_strs
{
    my ( $str1, $str2 ) = @_;
    # Treat vars as strings by quoting. 
    # Possibly incorrect/irrelevant approach. 
    return ("$str1" cmp "$str2");
}

这里的问题是:

字符串可以包含中文/日文字符。不能依赖上面的 Perl 代码来给出预期的结果。

如何保证 Perl 和 Java 实现都能以相同的方式执行字符串排序？

Answer 1

对于 Perl，不要使用 cmp 运算符。相反，您应该使用 Unicode::Collate模块:

use Unicode::Collate;
sub compare_strs
{
    my ( $str1, $str2 ) = @_;
    # Treat vars as strings by quoting. 
    # Possibly incorrect/irrelevant approach. 
    return $Collator->cmp("$str1", "$str2");
}

如果您担心规范化(例如，组合标记的顺序)，您也可以使用 Unicode::Normalize模块。

在 Java 中，使用 Collator类，如 tutorial on comparing strings 中所述.有关标准化，请参阅 tutorial on normalizing text . Java 1.6 中引入了所需的类；如果您需要支持早期版本的 Java，则需要使用类似 ICU libraries 的东西.

使用上述适当的工具应确保两种环境的行为均符合 Unicode collation algorithm (因此彼此兼容)。