Класс RuleBasedCollator

public class RuleBasedCollator extends Collator

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

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

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

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

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

Определения элементов правила следующие:

• Текст-аргумент: Текст-аргумент — это любая последовательность символов, исключая специальные символы (то есть обычные пробельные символы [0009-000D, 0020] и символы синтаксиса правил [0021-002F, 003A-0040, 005B-0060, 007B-007E]). Если эти символы необходимы, вы можете поместить их в одинарные кавычки (например, амперсанд => '&'). Обратите внимание, что необрамлённые 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 языке. Если это правило действует, 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 помещается 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 который также может быть использован для добавления модификации в конце набора правил.

  '&' : Указывает, что следующее правило следует за позицией, где бы располагался текст-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 не эквивалентны:

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

Либо текст-аргумент уже должен присутствовать в последовательности, либо какая-то начальная подстрока текста-аргумента должна присутствовать. (например, "a < b & ae < e" допустимо, так как "a" присутствует в последовательности перед тем, как "ae" сбрасывается). В последнем случае "ae" не вводится и обрабатывается как один символ; вместо этого "e" сортируется так, как если бы он был расширен до двух символов: "a", за которым следует "e". Это различие проявляется в естественных языках: в традиционном испанском языке "ch" обрабатывается так, как если бы он сокращался до одного символа (выражается как "c < ch < d"), а в традиционном немецком языке диакритический знак умляут обрабатывается так, как если бы он расширялся до двух символов (выражается как "a,A < b,B ... &ae;\u00e3&AE;\u00c3"). [\u00e3 и \u00c3, конечно, являются escape-последовательностями для умляута.]

Игнорируемые символы

Для игнорируемых символов первое правило должно начинаться с отношения (приведённые выше примеры — это фрагменты; "a < b" должно быть действительно "< a < b"). Однако, если первое отношение не "<", то все 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 свою таблицу правил, чтобы включить как прекомпонованные, так и комбинирующие версии символов с акцентами. Даже если предоставленная строка правил содержит только базовые символы и отдельные комбинирующие акценты, все прекомпонованные символы с акцентами, соответствующие всем каноническим комбинациям символов из строки правил, будут введены в таблицу.

Это позволяет использовать RuleBasedCollator для сравнения строк с акцентами, даже когда коллатор установлен в NO_DECOMPOSITION. Однако есть два нюанса. Во-первых, если строки, которые нужно сортировать, содержат комбинирующие последовательности, которые могут не быть в каноническом порядке, вам следует установить коллатор в CANONICAL_DECOMPOSITION или FULL_DECOMPOSITION, чтобы включить сортировку комбинирующих последовательностей. Во-вторых, если строки содержат символы с совместимыми разложениями (например, полноширинные и полуширинные формы), вам необходимо использовать FULL_DECOMPOSITION, так как таблицы правил содержат только канонические сопоставления.

Ошибки

К ошибкам относятся:

• Текст-аргумент содержит необрамлённые знаки препинания (например, "a < b-c < d").
• Отношение или символ сброса, за которым не следует текст-аргумент (например, "a < ,b").
• Сброс, где текст-аргумент (или начальная подстрока текста-аргумента) ещё не присутствует в последовательности. (например, "a < b & e < f")

Если вы допустите одну из этих ошибок, RuleBasedCollator генерирует 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"

Чтобы создать объект RuleBasedCollator со специализированными правилами, соответствующими вашим потребностям, вы создаёте 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);
 

Новую строку правил сортировки можно создать путём конкатенации строк правил. Например, правила, возвращаемые getRules(), можно конкатенировать для объединения нескольких RuleBasedCollator.

Следующий пример демонстрирует, как изменить порядок неразрывных 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);