Java中是否有Char整理器？

Question

我正在开发一个小应用程序，它可以计算文本中的字符出现并打印一个简单的报告。它基于 TreeMap。它应该适用于任何 UTF-8（迄今为止）可编码语言。当我尝试通过调用Collator.getInstance() 来使用标准整理器时，我得到了异常java.lang.ClassCastException: java.lang.Character cannot be cast to java.lang.String。

有没有 Char 整理器？

static Map<Character, Integer> map = new TreeMap<>(); 

TreeMap 构造函数可以使用整理器，但不能用于 Chars。

public static void main(String[] args) {
    InputStream in = System.in;

    try {
        if (in.available() == 0) System.exit(0);
    } catch (IOException e) {
        e.printStackTrace();
    }

    count(in);  
    printMap();
} 


static void count(InputStream in) {
    new BufferedReader(new InputStreamReader(in, StandardCharsets.UTF_8))   
        .lines()
        .forEach(x -> tallyCharArray(x.toCharArray()));
}

static void tallyCharArray (char[] chars) {
    for (int i=0; i<chars.length; i++) {
        map.merge(chars[i], 1, Integer::sum);
    }
}

static void printMap() {
    map.entrySet().stream()
    .forEach(x -> System.out.println(x.getKey() + "\t" + x.getValue()));
}

比较问题

static Map<Character, Integer> map = new TreeMap<>(
    Collator.getInstance().compare(String.valueOf(c1), String.valueOf(c2))
);

这很笨拙，而且还不起作用。如何将c1和c2与地图绑定？

Answer 1

更新

如果您只希望Collator 在打印时对结果进行排序，则只需在计数后排序即可。性能要好得多。进一步查看代码。

如果您希望TreeMap 使用Collator，请获取Collator，然后将Comparator<Character> 提供给TreeMap 构造函数。由于您使用的是 Java 8 流，因此您不妨使用 lambda 表达式：

Collator collator = Collator.getInstance(Locale.GERMAN);
collator.setStrength(Collator.PRIMARY);
Map<Character, int[]> countMap = new TreeMap<>(
        (c1, c2) -> collator.compare(c1.toString(), c2.toString())
);

使用Collator，重音和大写/小写字符都被合并。请参阅此答案末尾的示例输出。

计数后排序的完整代码

String input = "Das Polaritätsprofil für das Wort \"Hund\" als Testeinheit " +
               "könnte zeigen , dass verschiedene Personen unterschiedliche " +
               "Einstellungen zu diesen Tieren haben .";

Map<Character, int[]> countMap = new HashMap<>();
for (Character ch : input.toCharArray()) {
    int[] counter = countMap.get(ch);
    if (counter == null)
        countMap.put(ch, new int[] { 1 });
    else
        counter[0]++;
}
@SuppressWarnings("unchecked")
Entry<Character, int[]>[] counts = countMap.entrySet().toArray(new Map.Entry[countMap.size()]);
Collator collator = Collator.getInstance(Locale.GERMAN);
Arrays.sort(counts, (e1, e2) -> collator.compare(e1.getKey().toString(), e2.getKey().toString()));
for (Entry<Character, int[]> entry : counts)
    System.out.printf("%c - %d%n", entry.getKey(), entry.getValue()[0]);

计数后排序输出

, - 1
. - 1
" - 2
  - 20
a - 6
ä - 1
b - 1
c - 3
d - 6
D - 1
E - 1
e - 22
f - 2
g - 2
h - 5
H - 1
i - 11
k - 1
l - 6
n - 15
ö - 1
o - 4
P - 2
p - 1
r - 8
s - 12
t - 8
T - 2
u - 4
ü - 1
v - 1
W - 1
z - 2

如您所见，结果是根据德国排序规则打印的，ä 在a 和b 之间。

如果你想统一大小写字符，你应该决定你想要的结果并转换成那个，否则它将是任意的。

在TreeMap 中使用PRIMARY Collator 的输出

  - 20
, - 1
. - 1
" - 2
a - 7
b - 1
c - 3
D - 7
e - 23
f - 2
g - 2
H - 6
i - 11
k - 1
l - 6
n - 15
o - 5
P - 3
r - 8
s - 12
t - 10
ü - 5
v - 1
W - 1
z - 2

如您所见，有时您会收到一个小写字母（例如a），有时您会收到一个大写字母（例如D），有时您会收到一个重音字母（例如ü）。 这对我来说似乎是错误的。

Answer 2

char 是 UTF-16 格式的 2 字节值。 Unicode 符号，code points，达到 3 字节范围，在 java 中表示为 int。所以更好地使用代码点。从它们中创建一个字符串，如下所示：

int codePoint = ...
int[] codePoints = { codePoint };
String s = new String(codePoints, 0, codePoints.length);

那么排序就没有问题了。

顺便说一下，Character 有很多不错的 Unicode 信息：

String name = Character.getName(codePoint);