`MessageFormat` / `Collator` 国际化排序源码

概述

MessageFormat 与 Collator 是 java.text 国际化的两个进阶组件：MessageFormat 把"模板 + 参数"合成本地化消息（"{0} 有 {1,number} 个苹果"），支持参数按类型（数字/日期/百分比）自动套用子格式化器；Collator 则实现语言感知排序——按语言规则比较字符串（法语重音、德语变音、中文笔画/拼音），不同于 Java 默认的码点序。

MessageFormat 的核心是模式编译与 FormatElement 展开，Collator 的核心是排序元素（collation element）的三级比较链。本文基于 OpenJDK 21 源码拆解两者内部实现。

核心源码解析

① `MessageFormat.format("{0} is {1,number,integer}", args)` 的解析

java

public final StringBuffer format(Object[] arguments, StringBuffer result, FieldPosition pos) {
    ...
    formatSubarguments(arguments, result, pos);     // ① 依次处理每个 FormatElement
    return result;
}

// 构造时
public void applyPattern(String pattern) {
    StringBuilder[] segments = new StringBuilder[4];   // ② 解析临时缓冲
    ...
    parseAndAppendFormatPatterns(pattern);             // ③ 编译成 FormatElement[]
    ...
}

private void formatSubarguments(Object[] arguments, StringBuffer result, FieldPosition pos) {
    for (int i = 0; i < elements.length; i++) {
        FormatElement elem = elements[i];              // ④ 遍历格式元素
        if (elem.argumentNumber >= 0) {
            ... subformat(elem, arguments, result, pos);  // ⑤ 参数格式化
        } else {
            result.append(elem.argumentNumber == FormatElement.RECURSIVE ? ... : elem.text);  // ⑥ 纯文本
        }
    }
}

applyPattern 在构造时把模式串解析成 FormatElement[] 数组：纯文本段（argumentNumber = -1）与占位符段交错。
占位符 {n} 只取参数原样输出（toString）；{n,type,style} 则按类型查子格式化器。
formatSubarguments 对每个元素分派：文本直接追加，占位符走 subformat 执行真正的格式化逻辑。

② `FormatElement` 的 3 个部分

java

private static class FormatElement {
    // 占位符内部结构
    int argumentNumber;          // ① 参数索引：{0} 里的 0
    int formatType;              // ② 类型：FORMAT_NUMBER / FORMAT_DATE / FORMAT_TIME / FORMAT_CHOICE
    int formatStyle;             // ③ 样式：FORMAT_DEFAULT / FORMAT_INTEGER / FORMAT_CURRENCY ...
    String text;                 // 纯文本段
    Format subFormat;            // 预解析的子格式化器
}

解析 {1,number,integer}：argumentNumber = 1、formatType = number、formatStyle = integer，逗号分隔三段，缺省段取默认值。
类型决定子格式化器：number → NumberFormat（样式 integer/currency/percent 或自定义模式）、date/time → SimpleDateFormat（样式 short/medium/long/full 或模式串）、choice → ChoiceFormat。
subFormat 在解析时按需创建并缓存（getFormatFor 走 makeFormat），避免每次格式化都重建；样式字符串可为 null（取类型默认）。

③ `MessageFormat` 的 `ChoiceFormat`

java

public ChoiceFormat(String newPattern) {
    applyPattern(newPattern);
}

// 模式：0#no apples|1#one apple|2#{0,number} apples
// 应用规则：按数值落入的区间选择分支
public StringBuffer format(double number, StringBuffer toAppendTo, FieldPosition status) {
    ...
    for (int i = 0; i < choiceLimits.length; i++) {
        if (number < choiceLimits[i]) break;      // ① 找到第一个大于 number 的界限
        ...
    }
    // ② 选择第 i 个格式分支，可能嵌套 {0,number}
}

ChoiceFormat 模式：界限#分支1|界限#分支2，界限数组与分支数组等长；0#no 表示 [0, 1) 区间输出 no。
nextDouble / previousDouble 处理边界：limits[i] 用 Math.nextUp(previous) 之类微调，保证浮点区间边界精确不重叠。
分支中可递归引用 {0,number} 等占位符，此时 ChoiceFormat 与 MessageFormat 互相调用形成嵌套展开。

④ `MessageFormat.toPattern()` 的反序列化

java

public String toPattern() {
    StringBuilder result = new StringBuilder();
    for (FormatElement element : elements) {
        if (element.argumentNumber < 0) {
            result.append('{').append(element.argumentNumber).append('}');   // ① 递归/引用
        } else {
            result.append('{').append(element.argumentNumber);              // ② 占位符还原
            if (element.formatType != FormatElement.FORMAT_DEFAULT) {
                result.append(',').append(getArgumentTypeName(element.formatType));   // ③ 类型名
                if (element.formatStyle != FormatElement.FORMAT_DEFAULT) {
                    result.append(',').append(getArgumentStyleName(element.formatType,
                            element.formatStyle));                          // ④ 样式名
                }
            }
            result.append('}');
        }
        if (element.text != null) appendQuotedString(element.text, result); // ⑤ 文本转义还原
    }
    return result.toString();
}

toPattern() 是 applyPattern 的逆过程：遍历 FormatElement[]，把数值索引还原为 {n}、类型/样式还原为 ,type,style 文本。
纯文本段中的单引号（''）与花括号需按 appendQuotedString 规则重新转义，保证 toPattern 输出的模式可再次 applyPattern 无损往返。
MessageFormat 的 getFormats() 与 setFormats() 也是基于该结构的运行时读写入口。

⑤ `Collator.getInstance(Locale)` 的区域排序

java

public static Collator getInstance(Locale desiredLocale) {
    // ① 从 LocaleServiceProvider 取区域排序器
    return (Collator) LocaleProviderAdapter.forType(LocaleProviderAdapter.Type.CLDR)
        .getCollatorProvider().getInstance(desiredLocale);
}

getInstance(Locale) 经 CollatorProvider 按区域创建；中文区（zh_CN）得到按 GB 码位/笔画序 的规则集，法语区重音规则不同。
实际对象是 RuleBasedCollator 的子类实例：构造时解析该语言的排序规则表（如 &a < b < c 与 &é 位置绑定）。
区域未命中时按父区域链回退；getDefault() 用 Locale.getDefault()。Collator 抽象类的关键抽象方法是 compare(String, String)。

⑥ `RuleBasedCollator.compare(String source, String target)` 的排序

java

public int compare(String source, String target) {
    ...
    CollationElementIterator sourceCursor = getCollationElementIterator(source);   // ① 迭代器
    CollationElementIterator targetCursor = getCollationElementIterator(target);
    ...
    int sOrder = 0, tOrder = 0;
    boolean initialSec = true;
    do {
        if (sOrder == 0) {
            do {
                sOrder = sourceCursor.next();        // ② 取下一排序元素
            } while (sOrder == 0);
        }
        ...
        int sPrimary = primaryOrder(sOrder);         // ③ 分解三级序
        int tPrimary = primaryOrder(tOrder);
        if (sPrimary != tPrimary) {
            return (sPrimary < tPrimary) ? -1 : 1;   // ④ 主序不同即决出
        }
        ...
    } while (sOrder != CollationElementIterator.NULLORDER);
    return 0;
}

CollationElementIterator 把字符串逐字符（含多字符组合）翻译成排序元素（int 编码），内部实现 DFA 匹配规则表。
primaryOrder / secondaryOrder / tertiaryOrder 从元素编码中取出三级序：主序区分基本字母，次序区分重音，三次序区分大小写。
比较先比主序，相同再比次序，再相同比三次序——这正是语言排序"a 与 A 相邻、é 与 e 相邻"的实现根基。

⑦ `CollationKey` 的比较键

java

public CollationKey getCollationKey(String source) {
    ...
    CollationElementIterator iter = getCollationElementIterator(source);
    ...
    StringBuilder key = new StringBuilder();
    int order = iter.next();
    while (order != CollationElementIterator.NULLORDER) {
        if (strength == PRIMARY) {
            order &= CollationElementIterator.PRIMARYORDERMASK;   // ① 按强度截断
        } else if (strength == SECONDARY) {
            order &= CollationElementIterator.SECONDARYORDERMASK;
        }
        key.append((char) (order >>> 8));          // ② 编码进字节流
        key.append((char) (order & 0xFF));
        order = iter.next();
    }
    return new CollationKey(source, key.toString().getBytes(StandardCharsets.UTF_16BE));  // ③ 字节键
}

CollationKey 把字符串预计算成排序键字节数组：后续任意两键比较退化为 byte[] 字典序比较（CollationKey.compareTo 内部 Arrays.compareUnsigned）。
键长度通常大于源串（每元素 2 字节），但比较成本 O(n) 且无规则匹配开销——适合需要反复比较的场景（如 TreeMap 预排序）。
强度通过掩码截断：PRIMARY 只留主序，键忽略重音与大小写差异；键由 getCollationKey 生成后与 Collator 实例绑定（不同强度/区域不可混用）。

⑧ `Collator` 的强度

java

public abstract static class Strength {
    public static final int PRIMARY = 0;     // ① 只认基本字符
    public static final int SECONDARY = 1;   // ② 加认重音
    public static final int TERTIARY = 2;    // ③ 加认大小写
    public static final int IDENTICAL = 3;   // ④ 完全一致
}

PRIMARY：a 与 á、A 都视为相等，仅区分不同字母——用于"只关心字母本身"的宽松比较。
SECONDARY：a 与 á 不同但 A 与 a 相同——区分重音、忽略大小写，对应多数欧洲语言的排序默认行为。
TERTIARY（默认）：进一步区分大小写，a 与 A 不同；绝大多数排序场景用这个强度。
setStrength 改变比较与 getCollationKey 的截断规则；相同字符串在 PRIMARY 强度下与不同字符串在更高强度下可能同时"相等"，需按业务语义选强度。

⑨ `Bidi` / `Normalizer` 的 Unicode 算法

java

// java.text.Bidi：双向算法
Bidi bidi = new Bidi(paragraphText, Bidi.DIRECTION_DEFAULT_LEFT_TO_RIGHT);
bidi.isLeftToRight();      // 是否纯左到右
bidi.getRunLevel(i);       // 第 i 段文本的书写方向等级

// java.text.Normalizer：Unicode 标准化
String nfc  = Normalizer.normalize(text, Normalizer.Form.NFC);    // 组合形式（é 合并）
String nfd  = Normalizer.normalize(text, Normalizer.Form.NFD);    // 分解形式（e + ́）
String nfkc = Normalizer.normalize(text, Normalizer.Form.NFKC);   // 兼容组合
String nfkd = Normalizer.normalize(text, Normalizer.Form.NFKD);   // 兼容分解

Bidi 实现 Unicode 双向算法（UAX #9）：处理阿拉伯文/希伯来文等从右向左文本与拉丁文混排的显示顺序，getRunLevel 给出每段文字的嵌入方向等级，reorderVisually 按视觉顺序重排。
Normalizer 的四种标准化形式：NFC/NFD 处理规范等价（é 的预组合与分解），NFKC/NFKD 进一步处理兼容等价（全角/半角、连字）；比较字符串前统一形式可避免"看似相同实则不同"。
两者底层都调用 sun.text 的 native/表驱动实现，对国际化输入的处理是消息排序、搜索、渲染的常见前置步骤。

MessageFormat / Collator 国际化排序源码 ​

概述 ​

核心源码解析 ​

① MessageFormat.format("{0} is {1,number,integer}", args) 的解析 ​

② FormatElement 的 3 个部分 ​

③ MessageFormat 的 ChoiceFormat ​

④ MessageFormat.toPattern() 的反序列化 ​

⑤ Collator.getInstance(Locale) 的区域排序 ​

⑥ RuleBasedCollator.compare(String source, String target) 的排序 ​

⑦ CollationKey 的比较键 ​

⑧ Collator 的强度 ​

⑨ Bidi / Normalizer 的 Unicode 算法 ​

`MessageFormat` / `Collator` 国际化排序源码

概述

核心源码解析

① `MessageFormat.format("{0} is {1,number,integer}", args)` 的解析

② `FormatElement` 的 3 个部分

③ `MessageFormat` 的 `ChoiceFormat`

④ `MessageFormat.toPattern()` 的反序列化

⑤ `Collator.getInstance(Locale)` 的区域排序

⑥ `RuleBasedCollator.compare(String source, String target)` 的排序

⑦ `CollationKey` 的比较键

⑧ `Collator` 的强度

⑨ `Bidi` / `Normalizer` 的 Unicode 算法