PHP基于ICU扩展intl快速实现汉字转拼音及按拼音首字母分组排序的方法

　　本文实例讲述了PHP基于ICU扩展intl快速实现汉字转拼音及按拼音首字母分组排序的方法。分享给大家供大家参考，具体如下：

　　ICU(International Components for Unicode)里提供了transliterator(直译器),
可以很方便把其他语言(比如简体中文)转为拉丁文表示:

Transliterator: allows getting latin representation of strings in various languages.

　　 <?php //文件编码要求是Unicode header(Content-Type: text/html; charset=utf-8); echo transliterator_transliterate(Any-Latin, 中华有为); //输出 zhōng huá yǒu wèi echo transliterator_transliterate(Any-Latin; Latin-ASCII; Lower(), 中华有为); //输出 zhong hua you wei echo transliterator_transliterate(Any-Latin; Latin-ASCII; Upper(), 中华有为); //输出 ZHONG HUA YOU WEI echo transliterator_transliterate(Any-Latin, 重阳); //输出 zhòng yáng (错误,多音字还是坑)

　　苹果上的CFStringTransform/kCFStringTransformToLatin汉字转拼音也是通过ICU transform实现的:

　　使用php5-intl(依赖ICU:libicu52)的简体中文(zh_CN)排序器collator按拼音排序:

　　
php-src/ext/intl --enable-intl --with-icu-dir=DIR

　　相关: MySQL数据表排序规则COLLATE=utf8_general_ci

　　 <?php header(Content-Type: text/html; charset=utf-8); $coll = collator_create(zh_CN); $arr = array(中国,华山,华夏,中华,重阳,重量,b,a,2,1); collator_sort($coll, $arr); var_export($arr); /*输出(可见汉字按照拼音排序,但不能识别多音字重): array ( 0 => a, 1 => b, 2 => 华山, 3 => 华夏, 4 => 中国, 5 => 中华, 6 => 重量, 7 => 重阳, 8 => 1, 9 => 2, ) */

　　如果元素1和2加上引号变成字符串类型的话,则1和2排序后会出现在开头.

　　查看已经安装的软件包目录文件结构:

　　dpkg -L libicu52:amd64
/usr/lib/x86_64-linux-gnu/libicu*
/usr/lib/x86_64-linux-gnu/libicudata.so.52.1 动态库23MB
/usr/lib/x86_64-linux-gnu/libicudata.a 静态库23MB

　　Windows上则是:

　　php\icu*.dll
php\ext\php_intl.dll

　　下面实现了常用的按汉字拼音首字母分组排序的功能:

　　 <?php header(Content-Type: text/html; charset=utf-8); $arr = array(百度知道,阿里云,百度百科,阿里巴巴); $coll = collator_create(zh_CN); collator_sort($coll, $arr); var_export($arr); //输出 array ( 0 => 阿里巴巴, 1 => 阿里云, 2 => 百度百科, 3 => 百度知道, ) $tmp = array(); foreach($arr as $v) { $pinyin = transliterator_transliterate(Any-Latin; Latin-ASCII; Upper(), $v); $tmp[substr($pinyin, 0, 1)][] = $v; } var_export($tmp); /*输出 array ( A => array ( 0 => 阿里巴巴, 1 => 阿里云, ), B => array ( 0 => 百度百科, 1 => 百度知道, ), ) */

　　附:

　　ls命令,Linux和Windows的文件管理器,显示如下:

　　1 2 a b 华山 华夏 中国 中华 重量 重阳

　　数字,字母,汉字(按拼音排序,但不能识别多音字)

　　汉字方面,下面的自然排序跟上面有所不同:

　　 <?php header(Content-Type: text/plain; charset=utf-8); $arr = array(中国,华山,华夏,中华,重阳,重量,b,a,2,1); natsort($arr); // 等价于 uasort($arr, function($a, $b) { return strnatcmp($a, $b); }); var_export($arr); /*输出(自然排序下汉字并没有按照拼音进行排序): array ( 9 => 1, 8 => 2, 7 => a, 6 => b, 3 => 中华, 0 => 中国, 2 => 华夏, 1 => 华山, 5 => 重量, 4 => 重阳, ) */

　　几种排序的比较:

　　 <?php header(Content-Type: text/plain; charset=utf-8); $arr = explode( , 1 11 111 112 12 121 122 a aa aaa aab ab aba abb 阿里 百度 中 中国 中国国 中国中 中中 中中国 中中中); shuffle($arr); //打乱数组 //collator_sort(collator_create(zh_CN), $arr); //usort($arr, function($a, $b) { return strnatcmp($a, $b); }); usort($arr, function($a, $b) { return strcmp($a, $b); }); echo implode( ,$arr); exit(); ?>

　　ls排序:

　　1 11 111 112 12 121 122 a aa aaa aab ab aba abb 阿里 百度 中 中国 中国国 中国中 中中 中中国 中中中

　　collator_sort(zh_CN)排序(类似Windows/Linux桌面文件管理器里的默认按名称上升排列):

　　1 11 12 111 112 121 122 a aa aaa aab ab aba abb 阿里 百度 中 中国 中国国 中国中 中中 中中国 中中中

　　strnatcmp排序:

　　1 11 12 111 112 121 122 a aa aaa aab ab aba abb 中 中中 中中中 中中国 中国 中国中 中国国 百度 阿里

　　strcmp排序:

　　1 11 111 112 12 121 122 a aa aaa aab ab aba abb 中 中中 中中中 中中国 中国 中国中 中国国 百度 阿里

　　PS：这里再为大家推荐2款比较实用的相关在线排序工具供大家参考使用：

　　在线中英文根据首字母排序工具：

　　在线文本倒序翻转排序工具：

　　更多关于PHP相关内容感兴趣的读者可查看本站专题：《php排序算法总结》、《PHP数组(Array)操作技巧大全》、《php字符串(string)用法总结》、《php常用函数与技巧总结》、《PHP错误与异常处理方法总结》、《php面向对象程序设计入门教程》及《php常见数据库操作技巧汇总》

　　希望本文所述对大家PHP程序设计有所帮助。