Macht Java-String.getBytes("UTF-8") erhalten lexicograhpical bestellen?

Wenn ich eine alphabetisch sortierte Liste von Java-Strings [s1,s2,s3,s4, ...., sn], und dann konvertieren Sie jede Zeichenfolge in ein byte-array mit UTF-8-Codierung bx = sx.getBytes("UTF-8") ist die Liste von byte-arrays, die [b1,b2,b3,...bn] auch lexikographisch sortiert?

  • da UTF-8 ist ein variabler Breite Codierung, ich würde sagen, dass die Sortierreihenfolge wird nicht beibehalten
  • Ich bin mir nicht sicher, deine Frage macht keinen Sinn; wie würden Sie Sortieren bits/bytes lexikographisch? Den Zeichensatz, den Sie anzeigen bits/bytes ist der entscheidende Faktor.
  • Roach Lexikographische Ordnung auf byte-arrays ist ähnlich wie bei Strings. Ersetzen Sie einfach "Charakter x" mit "byte bei x". Siehe z.B. stackoverflow.com/questions/5108091/...
  • Nicht unbedingt. Ich brauche nicht zu vergleichen, alle bytes, wird nur bis zum ersten Unterschied. Da UTF-8 reversibel ist der erste Unterschied in der Länge für 2 Zeichen sollten andeuten Unterschied in bytes von deren Codierung. Ich bin mir allerdings nicht sicher, ob dies genug, um zu bewahren, um.
  • Aber UTF-8 wurde speziell zur Erhaltung der Sortierreihenfolge trotzdem.
InformationsquelleAutor Carsten | 2012-08-15
  1. 5

    Ja. Nach RFC-3239:

    Den byte-Wert lexikographische Sortierreihenfolge von UTF-8 strings ist die
    gleiche wie bestellt vom Charakter zahlen. Dies ist natürlich von
    begrenzt Interesse, da eine Art Ordnung auf der Grundlage der Zeichen-zahlen
    fast nie kulturell gültig.

    Als Ian Roberts darauf hingewiesen, dies gilt für "wahr UTF-8 (wie String.getBytes geben Sie)", aber hüten Sie sich vor DataInputStream'N fake UTF-8, die Sortieren [U+000000] nach [U+000001] und [U+00F000] nach [U+10FFFF].

    • Für Vollständigkeit, beachten Sie, dass dieses richtig ist true UTF-8 (wie String.getBytes geben Sie), aber nicht unbedingt für die "modifizierten UTF-8" verwendet DataInputStream und Freunde.
    • Recht. In der Tat modifiziertes UTF-8 Arten [U+000000] nach [U+000001] und [U+00F000] nach [U+10FFFF].
    • Sind Sie sicher, dass diese Antwort korrekt ist? Ist das nicht die normalen Java-lexikographische Ordnung für Strings, basierend auf UTF-16 statt Unicode-code-points?
    InformationsquelleAutor Mechanical snail
  2. -2

    Erhalten Sie eine Liste/array von Objekten X, die in einem bestimmten orden.

    Erstellen Sie eine neue Liste/array Y von solchen Objekten, die Anwendung der Methode.

    Y wird die Bestellung, die Sie erstellt es mit (normalerweise haben Sie nur gehalten, X, um). Keine Neuanordnung geschieht.

    Auch, lexycographical Bestellung für ein byte[] ist bedeutungslos.

    InformationsquelleAutor SJuan76
Schreibe einen Kommentar