Класс RuleBasedCollator

public class RuleBasedCollator
extends Collator

Класс RuleBasedCollator — это конкретный подкласс Collator, который предоставляет простой, основанный на данных, сортировщик таблицы. С помощью этого класса вы можете создать настраиваемый сортировщик на основе таблицы. Collator. RuleBasedCollator сопоставляет символы с ключами сортировки.

RuleBasedCollator имеет следующие ограничения для повышения эффективности (для более сложных языков могут использоваться другие подклассы):

1. Если указано специальное правило сортировки, управляемое <модификатором>, оно применяется ко всему объекту сортировщика.
2. Все не указанные символы находятся в конце порядка сортировки.

Таблица сортировки состоит из списка правил сортировки, где каждое правило имеет одну из трех форм:

<modifier>
    <relation> <text-argument>
    <reset> <text-argument>

Определения элементов правила следующие:

• Текстовый аргумент: Текстовый аргумент — это любая последовательность символов, исключая специальные символы (то есть общие пробельные символы [0009-000D, 0020] и символы синтаксиса правил [0021-002F, 003A-0040, 005B-0060, 007B-007E]). Если эти символы нужны, вы можете поместить их в одинарные кавычки (например, амперсанд => '&'). Обратите внимание, что нецитированные пробельные символы игнорируются; например, b c обрабатывается как bc.
• Модификатор: В настоящее время существуют два модификатора, которые включают специальные правила сортировки.
  • '@' : Включает обратную сортировку акцентов (вторичные различия), как в французском языке.
  • '!' : Включает перестановку гласных-согласных в тайском/лаосском языках. Если это правило активно, когда тайский гласный из диапазона \U0E40-\U0E44 предшествует тайскому согласному из диапазона \U0E01-\U0E2E ИЛИ лаосский гласный из диапазона \U0EC0-\U0EC4 предшествует лаосскому согласному из диапазона \U0E81-\U0EAE, то гласный размещается после согласного для целей сортировки.

  '@' : Указывает, что акценты сортируются в обратном порядке, как во французском языке.

• Отношение: Отношения следующие:
  • '<' : Больше, как различие букв (первичное)
  • ';' : Больше, как различие акцентов (вторичное)
  • ',' : Больше, как различие регистров (третичное)
  • '=' : Равно
• Сброс: Существует один сброс, который используется в основном для сокращений и расширений, но также может быть использован для добавления модификации в конце набора правил.

  '&' : Указывает, что следующее правило следует за позицией, куда был бы отсортирован текстовый аргумент сброса.

Это звучит сложнее, чем есть на практике. Например, следующие способы выражения одного и того же эквивалентны:

a < b < c
a < b & b < c
a < c & a < b

Обратите внимание, что порядок важен, так как последующий элемент следует непосредственно за текстовым аргументом. Следующие варианты не эквивалентны:

a < b & a < c
a < c & a < b

Или текстовый аргумент уже должен присутствовать в последовательности, или какая-то начальная подстрока текстового аргумента должна присутствовать. (Например, "a < b & ae < e" допустимо, так как "a" присутствует в последовательности до сброса "ae". В последнем случае "ae" не вводится и обрабатывается как один символ; вместо этого "e" сортируется так, как если бы он расширялся до двух символов: "a" за которым следует "e". Это различие проявляется в естественных языках: в традиционном испанском "ch" обрабатывается так, как если бы он сокращался до одного символа (выражается как "c < ch < d"), а в традиционном немецком умлаут "a" обрабатывается как расширение до двух символов (выражается как "a,A < b,B ... &ae;\u00e3&AE;\u00c3"). [\u00e3 и \u00c3, разумеется, последовательности экранирования умлаута "a".]

Игнорируемые символы

Для игнорируемых символов первое правило должно начинаться с отношения (приведенные выше примеры на самом деле являются фрагментами; "a < b" на самом деле должно быть "< a < b"). Однако, если первое отношение не "<", то все текстовые аргументы до первого "<" игнорируются. Например, ", - < a < b" делает "-" игнорируемым символом, как мы видели ранее в слове "black-birds". В примерах для разных языков вы видите, что большинство акцентов игнорируются.

Нормализация и акценты

RuleBasedCollator автоматически обрабатывает таблицу правил, чтобы включить как прекомпонованные, так и объединяющие символы версии акцентированных символов. Даже если предоставленная строка правил содержит только базовые символы и отдельные объединяющие акценты, в таблицу будут введены прекомпонованные акцентированные символы, соответствующие всем каноническим комбинациям символов из строки правил.

Это позволяет вам использовать RuleBasedCollator для сравнения акцентированных строк даже когда сортировщик установлен в NO_DECOMPOSITION. Однако есть два нюанса. Во-первых, если строки для сортировки содержат объединяющие последовательности, которые могут быть не в каноническом порядке, вы должны установить сортировщик в CANONICAL_DECOMPOSITION или FULL_DECOMPOSITION, чтобы включить сортировку объединяющих последовательностей. Во-вторых, если строки содержат символы с совместимыми разложениями (например, полноширинные и полуширинные формы), вы должны использовать FULL_DECOMPOSITION, так как таблицы правил содержат только канонические сопоставления.

Ошибки

Ошибки следующие:

• Текстовый аргумент содержит нецитированные знаки препинания (например, "a < b-c < d").
• Отношение или символ сброса без последующего текстового аргумента (например, "a < ,b").
• Сброс, где текстовый аргумент (или начальная подстрока текстового аргумента) еще не в последовательности. (например, "a < b & e < f")

Если вы получаете одну из этих ошибок, RuleBasedCollator выбросит ParseException.

Примеры

Простой: "< a < b < c < d"

Норвежский: "< 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, \u00C6 < \u00F8, \u00D8 < \u00E5 = a\u030A, \u00C5 = A\u030A; aa, AA"

Для создания объекта RuleBasedCollator со специализированными правилами, настроенными под ваши потребности, вы создаете RuleBasedCollator с правилами, содержащимися в объекте String. Например:

String simple = "< a< b< c< d";
RuleBasedCollator mySimple = new RuleBasedCollator(simple);

Или:

String Norwegian = "< 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, \u00C6" +     // Latin letter ae & 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 myNorwegian = new RuleBasedCollator(Norwegian);

Новая строка правил сортировки может быть создана путем конкатенации строк правил. Например, правила, возвращаемые getRules(), могут быть сконкатенированы для объединения нескольких RuleBasedCollator.

Следующий пример демонстрирует, как изменить порядок неразделяющих акцентов,

// old rule
String oldRules = "=\u0301;\u0300;\u0302;\u0308"    // main accents
                + ";\u0327;\u0303;\u0304;\u0305"    // main accents
                + ";\u0306;\u0307;\u0309;\u030A"    // main accents
                + ";\u030B;\u030C;\u030D;\u030E"    // main accents
                + ";\u030F;\u0310;\u0311;\u0312"    // main accents
                + "< a , A ; ae, AE ; \u00e6 , \u00c6"
                + "< b , B < c, C < e, E & C < d, D";
// change the order of accent characters
String addOn = "& \u0300 ; \u0308 ; \u0302";
RuleBasedCollator myCollator = new RuleBasedCollator(oldRules + addOn);