Sort on a string that may contain a number
我需要编写一个比较比较字符串的Java比较器类,但是只有一个扭曲。如果要比较的两个字符串在字符串的开头和结尾处是相同的,而不同的中间部分是整数,则根据这些整数的数值进行比较。例如,我希望以下字符串按显示顺序结束:
- 美国农业协会
- BBB 3 CCC
- BBB 12 CCC
- CCC 11
- 滴滴涕
- EEE 3 DDD JPEG2000 EEE
- EEE 12 DDD JPEG2000 EEE
如您所见,字符串中可能还有其他整数,所以我不能只使用正则表达式来分解任何整数。我正在考虑从一开始就遍历字符串,直到找到一个不匹配的位,然后从末尾走进,直到找到一个不匹配的位,然后将中间的位与正则表达式"[0-9]+"进行比较,如果进行比较,则进行数值比较,否则进行词汇比较。
有更好的方法吗?
更新我认为我不能保证字符串中的其他数字,可能匹配的数字,它们周围没有空格,或者不同的数字确实有空格。
alphanum算法
从网站上
"人们对数字字符串的排序与软件不同。大多数排序算法比较ASCII值,它产生的排序与人类逻辑不一致。以下是解决问题的方法。"
编辑:这里有一个指向该站点的Java比较器实现的链接。
有趣的小挑战,我喜欢解决它。
以下是我对这个问题的看法:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 | String[] strs = { "eee 5 ddd jpeg2001 eee", "eee 123 ddd jpeg2000 eee", "ddd", "aaa 5 yy 6", "ccc 555", "bbb 3 ccc", "bbb 9 a", "", "eee 4 ddd jpeg2001 eee", "ccc 11", "bbb 12 ccc", "aaa 5 yy 22", "aaa", "eee 3 ddd jpeg2000 eee", "ccc 5", }; Pattern splitter = Pattern.compile("(\\d+|\\D+)"); public class InternalNumberComparator implements Comparator { public int compare(Object o1, Object o2) { // I deliberately use the Java 1.4 syntax, // all this can be improved with 1.5's generics String s1 = (String)o1, s2 = (String)o2; // We split each string as runs of number/non-number strings ArrayList sa1 = split(s1); ArrayList sa2 = split(s2); // Nothing or different structure if (sa1.size() == 0 || sa1.size() != sa2.size()) { // Just compare the original strings return s1.compareTo(s2); } int i = 0; String si1 =""; String si2 =""; // Compare beginning of string for (; i < sa1.size(); i++) { si1 = (String)sa1.get(i); si2 = (String)sa2.get(i); if (!si1.equals(si2)) break; // Until we find a difference } // No difference found? if (i == sa1.size()) return 0; // Same strings! // Try to convert the different run of characters to number int val1, val2; try { val1 = Integer.parseInt(si1); val2 = Integer.parseInt(si2); } catch (NumberFormatException e) { return s1.compareTo(s2); // Strings differ on a non-number } // Compare remainder of string for (i++; i < sa1.size(); i++) { si1 = (String)sa1.get(i); si2 = (String)sa2.get(i); if (!si1.equals(si2)) { return s1.compareTo(s2); // Strings differ } } // Here, the strings differ only on a number return val1 < val2 ? -1 : 1; } ArrayList split(String s) { ArrayList r = new ArrayList(); Matcher matcher = splitter.matcher(s); while (matcher.find()) { String m = matcher.group(1); r.add(m); } return r; } } Arrays.sort(strs, new InternalNumberComparator()); |
这个算法需要更多的测试,但它的性能似乎相当好。
[编辑]我添加了更多的评论以便更清楚。我看到有比我开始编写代码时更多的答案…但我希望我能提供一个良好的起点和/或一些想法。
微软的Ian Griffiths有一个他称之为"自然排序"的C实现。无论如何,移植到Java应该相当容易,比C更容易!
更新:在EkkRoad上有一个Java示例,它可以做到这一点,看到"比较自然"并使用它作为比较器来排序。
我在这里提出的实现简单高效。它不通过使用正则表达式或方法(如substring()、split()、tochararray()等)直接或间接分配任何额外内存。
这个实现首先遍历两个字符串,以最大速度搜索不同的第一个字符,在此期间不做任何特殊处理。只有当这些字符都是数字时,才会触发特定的数字比较。这种实现的一个副作用是,一个数字被认为比其他字母大,与默认的词典顺序相反。
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 | public static final int compareNatural (String s1, String s2) { // Skip all identical characters int len1 = s1.length(); int len2 = s2.length(); int i; char c1, c2; for (i = 0, c1 = 0, c2 = 0; (i < len1) && (i < len2) && (c1 = s1.charAt(i)) == (c2 = s2.charAt(i)); i++); // Check end of string if (c1 == c2) return(len1 - len2); // Check digit in first string if (Character.isDigit(c1)) { // Check digit only in first string if (!Character.isDigit(c2)) return(1); // Scan all integer digits int x1, x2; for (x1 = i + 1; (x1 < len1) && Character.isDigit(s1.charAt(x1)); x1++); for (x2 = i + 1; (x2 < len2) && Character.isDigit(s2.charAt(x2)); x2++); // Longer integer wins, first digit otherwise return(x2 == x1 ? c1 - c2 : x1 - x2); } // Check digit only in second string if (Character.isDigit(c2)) return(-1); // No digits return(c1 - c2); } |
我知道你在Java,但是你可以看看StrucPrLogiCW是如何工作的。这是资源管理器在Windows中用来排序文件名的方法。您可以在这里查看Wine实现。
将字符串拆分为字母和数字,使"foo 12 bar"成为列表("foo",12,"bar"),然后使用列表作为排序键。这样,数字将按数字顺序排列,而不是按字母顺序排列。
我用正则表达式在Java中提出了一个非常简单的实现:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 | public static Comparator<String> naturalOrdering() { final Pattern compile = Pattern.compile("(\\d+)|(\\D+)"); return (s1, s2) -> { final Matcher matcher1 = compile.matcher(s1); final Matcher matcher2 = compile.matcher(s2); while (true) { final boolean found1 = matcher1.find(); final boolean found2 = matcher2.find(); if (!found1 || !found2) { return Boolean.compare(found1, found2); } else if (!matcher1.group().equals(matcher2.group())) { if (matcher1.group(1) == null || matcher2.group(1) == null) { return matcher1.group().compareTo(matcher2.group()); } else { return Integer.valueOf(matcher1.group(1)).compareTo(Integer.valueOf(matcher2.group(1))); } } } }; } |
它的工作原理如下:
1 2 3 |
[x2a, x2b, x15, xa, y11, y16, z, z, z5]
Alphanum Algrothim很不错,但它不符合我正在进行的项目的要求。我需要能够正确地对负数和小数进行排序。这是我提出的实现。任何反馈都将非常感谢。
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 | public class StringAsNumberComparator implements Comparator<String> { public static final Pattern NUMBER_PATTERN = Pattern.compile("(\\-?\\d+\\.\\d+)|(\\-?\\.\\d+)|(\\-?\\d+)"); /** * Splits strings into parts sorting each instance of a number as a number if there is * a matching number in the other String. * * For example A1B, A2B, A11B, A11B1, A11B2, A11B11 will be sorted in that order instead * of alphabetically which will sort A1B and A11B together. */ public int compare(String str1, String str2) { if(str1 == str2) return 0; else if(str1 == null) return 1; else if(str2 == null) return -1; List<String> split1 = split(str1); List<String> split2 = split(str2); int diff = 0; for(int i = 0; diff == 0 && i < split1.size() && i < split2.size(); i++) { String token1 = split1.get(i); String token2 = split2.get(i); if((NUMBER_PATTERN.matcher(token1).matches() && NUMBER_PATTERN.matcher(token2).matches()) { diff = (int) Math.signum(Double.parseDouble(token1) - Double.parseDouble(token2)); } else { diff = token1.compareToIgnoreCase(token2); } } if(diff != 0) { return diff; } else { return split1.size() - split2.size(); } } /** * Splits a string into strings and number tokens. */ private List<String> split(String s) { List<String> list = new ArrayList<String>(); try (Scanner scanner = new Scanner(s)) { int index = 0; String num = null; while ((num = scanner.findInLine(NUMBER_PATTERN)) != null) { int indexOfNumber = s.indexOf(num, index); if (indexOfNumber > index) { list.add(s.substring(index, indexOfNumber)); } list.add(num); index = indexOfNumber + num.length(); } if (index < s.length()) { list.add(s.substring(index)); } } return list; } } |
我想使用Java.Lang.Stulk.SultId()方法,使用"LooWald/LoopBeld'"来保留令牌,但我不能让它与我正在使用的正则表达式一起工作。
我的2美分。对我来说工作得很好。我主要把它用于文件名。
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 | private final boolean isDigit(char ch) { return ch >= 48 && ch <= 57; } private int compareNumericalString(String s1,String s2){ int s1Counter=0; int s2Counter=0; while(true){ if(s1Counter>=s1.length()){ break; } if(s2Counter>=s2.length()){ break; } char currentChar1=s1.charAt(s1Counter++); char currentChar2=s2.charAt(s2Counter++); if(isDigit(currentChar1) &&isDigit(currentChar2)){ String digitString1=""+currentChar1; String digitString2=""+currentChar2; while(true){ if(s1Counter>=s1.length()){ break; } if(s2Counter>=s2.length()){ break; } if(isDigit(s1.charAt(s1Counter))){ digitString1+=s1.charAt(s1Counter); s1Counter++; } if(isDigit(s2.charAt(s2Counter))){ digitString2+=s2.charAt(s2Counter); s2Counter++; } if((!isDigit(s1.charAt(s1Counter))) && (!isDigit(s2.charAt(s2Counter)))){ currentChar1=s1.charAt(s1Counter); currentChar2=s2.charAt(s2Counter); break; } } if(!digitString1.equals(digitString2)){ return Integer.parseInt(digitString1)-Integer.parseInt(digitString2); } } if(currentChar1!=currentChar2){ return currentChar1-currentChar2; } } return s1.compareTo(s2); } |
在发现这个线程之前,我在JavaScript中实现了类似的解决方案。也许我的策略会很好地找到你,尽管语法不同。与上面类似,我解析了要比较的两个字符串,并将它们都拆分为数组,以连续的数字分隔字符串。
1 2 3 4 5 | ... var regex = /(\d+)/g, str1Components = str1.split(regex), str2Components = str2.split(regex), ... |
例如,"hello 22再见33"=>["hello",22,"再见",33];因此,您可以在string1和string2之间成对遍历数组元素,执行一些类型强制(例如,此元素真的是数字吗?)并在走路时进行比较。
这里的工作示例:http://jsfiddle.net/f46s6/3/
注意,我目前只支持整数类型,尽管处理十进制值不会太难修改。
有趣的问题,这里是我提出的解决方案:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 | import java.util.Collections; import java.util.Vector; public class CompareToken implements Comparable<CompareToken> { int valN; String valS; String repr; public String toString() { return repr; } public CompareToken(String s) { int l = 0; char data[] = new char[s.length()]; repr = s; valN = 0; for (char c : s.toCharArray()) { if(Character.isDigit(c)) valN = valN * 10 + (c - '0'); else data[l++] = c; } valS = new String(data, 0, l); } public int compareTo(CompareToken b) { int r = valS.compareTo(b.valS); if (r != 0) return r; return valN - b.valN; } public static void main(String [] args) { String [] strings = { "aaa", "bbb3ccc", "bbb12ccc", "ccc 11", "ddd", "eee3dddjpeg2000eee", "eee12dddjpeg2000eee" }; Vector<CompareToken> data = new Vector<CompareToken>(); for(String s : strings) data.add(new CompareToken(s)); Collections.shuffle(data); Collections.sort(data); for (CompareToken c : data) System.out.println ("" + c); } } |
我想你得把一个字一个字地比较一下。抓取一个字符,如果是数字字符,则继续抓取,然后重新组合成一个数字字符串,并将其转换为一个
简短的回答:根据上下文,我无法判断这是否只是一些用于个人用途的快速而肮脏的代码,还是高盛最新内部会计软件的关键部分,因此我将以"eww"开头。这是一个相当棘手的排序算法;如果可以的话,尽量使用一些不那么"曲折"的方法。
长回答:
在您的案例中,立即想到的两个问题是性能和正确性。非正式地说,确保它是快速的,并确保您的算法是完全排序的。
(当然,如果排序不超过100个项目,您可能会忽略这一段。)性能很重要,因为比较器的速度将是排序速度的最大因素(假设排序算法对于典型列表是"理想的")。在您的例子中,比较器的速度主要取决于字符串的大小。字符串似乎相当短,因此它们可能不会像您的列表大小那样占据主导地位。
将每个字符串转换成字符串数字字符串元组,然后按照另一个答案中的建议对该元组列表进行排序,在某些情况下会失败,因为显然会出现多个数字的字符串。
另一个问题是正确性。具体来说,如果您描述的算法允许A>B>。>A,那么您的类型将是非确定性的。在你的情况下,我担心这可能,尽管我不能证明。考虑一些分析案例,例如:
1 2 3 4 5 6 7 8 9 10 11 | aa 0 aa aa 23aa aa 2a3aa aa 113aa aa 113 aa a 1-2 a a 13 a a 12 a a 2-3 a a 21 a a 2.3 a |
我的问题是我有一个列表,由字母数字字符串(如c22、c3、c5等)的组合、字母字符串(如a、h、r等)和只需要按顺序A、c3、c5、c22、h、r、45、99排序的数字(如99、45等)组成。我也有需要删除的副本,所以我只得到一个条目。
我不仅处理字符串,还对对象排序,并使用对象中的特定字段来获得正确的顺序。
一个对我有用的解决方案是:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 | SortedSet<wyn> codeSet; codeSet = new TreeSet<wyn>(new Comparator<wyn>() { private boolean isThereAnyNumber(String a, String b) { return isNumber(a) || isNumber(b); } private boolean isNumber(String s) { return s.matches("[-+]?\\d*\\.?\\d+"); } private String extractChars(String s) { String chars = s.replaceAll("\\d",""); return chars; } private int extractInt(String s) { String num = s.replaceAll("\\D",""); return num.isEmpty() ? 0 : Integer.parseInt(num); } private int compareStrings(String o1, String o2) { if (!extractChars(o1).equals(extractChars(o2))) { return o1.compareTo(o2); } else return extractInt(o1) - extractInt(o2); } @Override public int compare(Code a, Code b) { return isThereAnyNumber(a.getPrimaryCode(), b.getPrimaryCode()) ? isNumber(a.getPrimaryCode()) ? 1 : -1 : compareStrings(a.getPrimaryCode(), b.getPrimaryCode()); } }); |
它"借用"了我在StackOverflow上找到的一些代码,加上我自己的一些调整,让它按照我需要的方式工作。
由于试图排序对象,需要一个比较器以及重复的删除,我不得不使用一种消极的敷衍方法,那就是在将对象写入TreeSet之前,我必须先将对象写入TreeMap。它可能会对性能有一点影响,但是考虑到列表最多可以有80个代码,这不应该是一个问题。
尽管这个问题问了一个Java解决方案,但是对于任何想要Scala解决方案的人来说:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 | object Alphanum { private[this] val regex ="((?<=[0-9])(?=[^0-9]))|((?<=[^0-9])(?=[0-9]))" private[this] val alphaNum: Ordering[String] = Ordering.fromLessThan((ss1: String, ss2: String) => (ss1, ss2) match { case (sss1, sss2) if sss1.matches("[0-9]+") && sss2.matches("[0-9]+") => sss1.toLong < sss2.toLong case (sss1, sss2) => sss1 < sss2 }) def ordering: Ordering[String] = Ordering.fromLessThan((s1: String, s2: String) => { import Ordering.Implicits.infixOrderingOps implicit val ord: Ordering[List[String]] = Ordering.Implicits.seqDerivedOrdering(alphaNum) s1.split(regex).toList < s2.split(regex).toList }) } |
如果您正在编写一个Comparator类,那么您应该实现自己的Compare方法,该方法将逐个字符比较两个字符串。这个比较方法应该检查您处理的是字母字符、数字字符还是混合类型(包括空格)。您必须定义混合类型的操作方式、数字是在字母字符之前还是在字母字符之后,以及空格的位置等。
在给定的示例中,要比较的数字周围有空格,而其他数字周围没有空格,那么为什么正则表达式不起作用呢?
BBB 12 CCC
VS
EEE 12 DDD JPEG2000 EEE
在Linux上,glibc提供strverscmp(),它也可以从gnulib获得可移植性。然而真正的"人类"分类还有很多其他的怪癖,比如"披头士",被分类为"披头士,the"。对于这个一般问题没有简单的解决方案。