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
作者:eechen
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:
http://cn2.php.net/manual/zh/transliterator.transliterate.php
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:
http://userguide.icu-project.org/transforms/general#TOC-ICU-Transliterators
http://nshipster.com/cfstringtransform/
使用php5-intl(依赖ICU:libicu52)的简体中文(zh_CN)排序器collator按拼音排序:
http://cn2.php.net/manual/zh/collator.sort.php
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:
http://tools.jb51.net/aideddesign/zh_paixu
在线文本倒序翻转排序工具:
http://tools.jb51.net/aideddesign/flipped_txt
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。