Класс RuleBasedCollator

public class RuleBasedCollator extends Collator

Класс RuleBasedCollator — это конкретный подкласс Collator, предоставляющий простой сортировщик, основанный на данных, табличный сортировщик. С помощью этого класса вы можете создать настраиваемый табличный Collator. RuleBasedCollator отображает символы в ключи сортировки.

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

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

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

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

Определения элементов правила таковы:

• Текстовый аргумент: Текстовый аргумент — это любая последовательность символов, исключая специальные символы (то есть общие символы пробелов [0009-000D, 0020] и символы синтаксиса правила [0021-002F, 003A-0040, 005B-0060, 007B-007E]). Если эти символы необходимы, вы можете поместить их в одинарные кавычки (например, амперсанд => '&'). Обратите внимание, что не заключенные в кавычки символы пробелов 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 во французском языке.
  • '!' : Включает перестановку гласных-согласных в тайском/лаосском языке. Если это правило действует, когда тайская гласная из диапазона \U0E40-\U0E44 предшествует тайскому согласному из диапазона \U0E01-\U0E2E ИЛИ лаосская гласная из диапазона \U0EC0-\U0EC4 предшествует лаосскому согласному из диапазона \U0E81-\U0EAE, то гласная помещается после согласного для целей сортировки.

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

• Отношение: Отношения следующие:
  • '<' : Больше, как различие букв (основное)
  • ';' : Больше, как различие акцентов (вторичное)
  • ',' : Больше, как различие в регистре (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, где бы находился текстовый аргумент сброса.

Это звучит сложнее, чем есть на практике. Например, следующие являются равнозначными способами выражения одного и того же:

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

Обратите внимание, что порядок важен, поскольку последующий элемент сразу следует за текстовым аргументом. Следующие не эквивалентны:

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

Либо текстовый аргумент должен уже присутствовать в последовательности, либо какая-то начальная подстрока текстового аргумента должна присутствовать. (например, "a < b & ae < e" допустимо, поскольку "a" присутствует в последовательности перед сбросом "ae"). В последнем случае "ae" не вводится и не обрабатывается как отдельный символ; вместо этого "e" сортируется так, как если бы он был расширен до двух символов: "a" и "e". Это различие проявляется в естественных языках: в традиционном испанском "ch" обрабатывается так, как будто он сокращается до одного символа (выражается как "c < ch < d"), а в традиционном немецком умлаут «a» 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 последовательностями экранирования для умлаута «a»].

Игнорируемые символы

Для игнорируемых символов первое правило должно начинаться с отношения (приведенные нами примеры на самом деле являются фрагментами; "a < b" должно быть "< a < b"). Однако если первое отношение не "<", то все текстовые аргументы до первого "<" являются игнорируемыми. 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 объединяющие версии акцентированных символов. Даже если предоставленная строка правил содержит только базовые символы и отдельные объединяющие символы акцентов, прекомпонованные акцентированные символы, соответствующие всем каноническим комбинациям символов из строки правила, будут введены в таблицу.

Это позволяет использовать RuleBasedCollator для сравнения акцентированных строк, даже если сортировщик настроен на NO_DECOMPOSITION. Однако есть два нюанса. Во-первых, если строки, которые будут сортироваться, содержат объединяющие последовательности, которые могут не быть в каноническом порядке, вы должны настроить сортировщик на CANONICAL_DECOMPOSITION или FULL_DECOMPOSITION, чтобы включить сортировку объединяющих 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 отображения.

Ошибки

Ошибки следующие:

• Текстовый аргумент содержит не заключенные в кавычки знаки препинания (например, "a < b-c < d").
• Символ отношения или сброса, за которым не следует текстовый аргумент (например, "a < ,b").
• Сброс, где текстовый аргумент (или начальная подстрока текстового аргумента) не присутствует в последовательности. (например, "a < b & e < f")

Если вы создадите 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"

Чтобы создать объект RuleBasedCollator со специализированными правилами, настроенными под ваши нужды, вы создаете объект 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 конкатенированы 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);