Java中CollationKey调用toByteArray()的输出结果该如何解读

你遇到的预期错位，本质是对CollationKey的设计目标理解偏差：这个方法返回的从来不是字符串本身的编码字节，而是一套为字符串排序优化生成的权重编码。你期望拿到的字符串二进制位表示，完全不在这个方法的设计范围内。 #

Java的CollationKey二进制格式基于Unicode排序规则（UCA）设计，采用分层权重结构编码，各段字节的作用完全服务于“快速排序比较”的核心目标，不存在和原字符串直接对应的映射关系：

• 穿插在字节序列里的0是不同权重块的分隔符，用来区隔不同优先级的排序维度
• 序列开头的0, 83是大端序存储的一级排序权重值（十六进制0x0053，对应十进制83），代表字符a在排序序列中的基础顺位——这是排序时优先级最高的比较项，这个值和字符本身的ASCII编码（97）没有关联，是排序规则预先定义好的权重值
• 后续的0, 0, 0, 1是大端序存储的二级排序权重值，主要用来区分大小写、字符重音这类中优先级的差异；最后一段0, 1是大端序存储的三级排序权重值，用来区分更细粒度的字符差异。因为纯小写无重音的a没有特殊的区分属性，这两个层级的权重都是默认最低值1

• 如果你需要获取字符串对应的原始二进制表示，直接调用"a".getBytes()即可，完全不需要借助CollationKey的链路
• CollationKey字节序列的唯一合法用途，是支持高效的批量排序比较：只要是同一个Collator实例生成的Key，直接对两个Key的byte数组做字典序比较，就能得到和原字符串调用Collator.compare()完全一致的排序结果，性能远高于反复对原字符串执行排序规则计算
• 不要尝试通过toByteArray()的输出反推原始字符串：这个二进制结构是JDK的内部实现细节，不同JDK版本、不同语言环境（Locale）下，同一个字符串生成的字节序列可能发生变化，官方也没有提供公开的解码接口还原原串

内容的提问来源于stack exchange，提问作者kamilP