PHP中國際化的字符串排序和比較對象詳解

Posted on 2021-08-22 by WalkonNet

前言

在 PHP 中，國際化的功能非常豐富，包括很多我們可能都不知道的東西其實都非常有用，比如說今天要介紹的這一系列的字符排序和比較的功能。

排序

正常來說，如果我們對數組中的字符進行排序，按照的是字符的 ASC2 表的順序進行排列，如果是英文還好，但對於中文的話，排序出來的結果會是非常懵逼的。

$arr = ['我','是','硬','核','項', '目', '經', '理'];
sort($arr);
var_dump( $arr );
// array(8) {
//     [0]=>
//     string(3) "我"
//     [1]=>
//     string(3) "是"
//     [2]=>
//     string(3) "核"
//     [3]=>
//     string(3) "理"
//     [4]=>
//     string(3) "目"
//     [5]=>
//     string(3) "硬"
//     [6]=>
//     string(3) "經"
//     [7]=>
//     string(3) "項"
//   }

按照我們的習慣會以中文的拼音來對漢字進行排序，這個時候往往大傢都會選擇自己寫排序的算法或者去找合適的 Composer 包。其實，PHP 中已經為我們準備瞭一個對象就是用來處理這類問題的。

$coll = new Collator( 'zh_CN' );

$coll->sort($arr);
var_dump( $arr );
// array(8) {
//     [0]=>
//     string(3) "核"
//     [1]=>
//     string(3) "經"
//     [2]=>
//     string(3) "理"
//     [3]=>
//     string(3) "目"
//     [4]=>
//     string(3) "是"
//     [5]=>
//     string(3) "我"
//     [6]=>
//     string(3) "項"
//     [7]=>
//     string(3) "硬"
//   }

沒錯，正是這個 Collator 類。它在實例化的時候需要指定當前的區域，比如我們指定為 zh_CN ，也就是中文字符區域，這時候再使用它的 sort() 方法就可以完成對中文字符的拼音排序。

$coll->sort($arr, Collator::SORT_NUMERIC );
var_dump( $arr );
// array(8) {
//     [0]=>
//     string(3) "核"
//     [1]=>
//     string(3) "經"
//     [2]=>
//     string(3) "理"
//     [3]=>
//     string(3) "目"
//     [4]=>
//     string(3) "是"
//     [5]=>
//     string(3) "我"
//     [6]=>
//     string(3) "項"
//     [7]=>
//     string(3) "硬"
//   }

$coll->sort($arr, Collator::SORT_STRING );
var_dump( $arr );
// array(8) {
//     [0]=>
//     string(3) "核"
//     [1]=>
//     string(3) "經"
//     [2]=>
//     string(3) "理"
//     [3]=>
//     string(3) "目"
//     [4]=>
//     string(3) "是"
//     [5]=>
//     string(3) "我"
//     [6]=>
//     string(3) "項"
//     [7]=>
//     string(3) "硬"
//   }

Collator 對象的 sort() 方法還支持第二個參數，用於指定當前的排序是按照字符還是數字格式進行排序。對於純中文的內容來說，這個沒有什麼區別。

除瞭 sort() 方法之外，它還有一個 asort() 方法，就和普通的 asort() 函數一樣的功能，隻不過它也是支持不同的區域語言的。

$arr = [
    'a' => '100',
    'b' => '7',
    'c' => '50'
];
$coll->asort($arr, Collator::SORT_NUMERIC );
var_dump( $arr );
// array(3) {
//     ["b"]=>
//     string(1) "7"
//     ["c"]=>
//     string(2) "50"
//     ["a"]=>
//     string(3) "100"
//   }

$coll->asort($arr, Collator::SORT_STRING );
var_dump( $arr );
// array(3) {
//     ["a"]=>
//     string(3) "100"
//     ["c"]=>
//     string(2) "50"
//     ["b"]=>
//     string(1) "7"
//   }

$arr = [
    '中' => '100',
    '的' => '7',
    '文' => '50'
];
$coll->asort($arr, Collator::SORT_NUMERIC );
var_dump( $arr );
// array (
//     '的' => '7',
//     '文' => '50',
//     '中' => '100',
//   )

$coll->asort($arr, Collator::SORT_STRING );
var_dump( $arr );
// array (
//     '中' => '100',
//     '文' => '50',
//     '的' => '7',
//   )

asrot() 方法是根據鍵和值一起進行排序的，所以在這裡指定 SORT_STRING 和 SORT_NUMERIC 就有明顯的效果瞭。我們可以看出，如果是根據數字排序，那麼結果就是以數字內容為準的，如果是根據字符排序，那麼結果就是以鍵值中的字符串部分為基礎進行排序的。

不管是 sort() 還是 asrot() 本質上都和普通的 PHP 默認提供的 sort() 和 asrot() 函數一樣的。隻是它們多瞭區域語言的功能而已。

另外，Collator 對象中還提供瞭一個 sortWithSortKeys() 方法，這個是普通的 PHP 排序函數中沒有的。

$arr = ['我','是','硬','核','項', '目', '經', '理'];
$coll->sortWithSortKeys($arr);
var_dump( $arr );
// array (
//     0 => '核',
//     1 => '經',
//     2 => '理',
//     3 => '目',
//     4 => '是',
//     5 => '我',
//     6 => '項',
//     7 => '硬',
//   )

它與 sort() 方法是類似的，但使用的是 ucol_getSortKey() 來生成的 ICU 排序鍵，在大型數組上的速度更快。

ICU 的全稱是 International Components for Unicode ，也就是 Unicode 的國際化組件，它提供瞭翻譯相關的功能，也就是我們系統中以及各類編程語言要實現國際化能力的基礎。

比較

接下來就是字符串的比較，比如說我們都知道，”a” 是比 “A” 要大的，因為在 ASC2 碼表中，”A” 是 65 ，”a” 是 97 。當然，這隻是默認情況下的比較，在使用 Collator 對象的函數進行比較時，則是根據字典庫中的排序索引進行比較的，對於中文來說，基本上就也是按照拼音的順序來比較瞭。

var_dump($coll->compare('Hello', 'hello')); // int(1)
var_dump($coll->compare('你好', '您好')); // int(-1)

compare() 方法就是用來進行比較的，如果兩個字符串相等，返回的就是 0 ，如果第一個字符串大於第二個，返回的是 1 ，否則返回的是 -1 。從代碼中，我們可以看出 “Hello” 是大於 “hello” 的，”你好” 是小於 “您好” 的（因為 “您” 多瞭一個 g ）。

屬性設置

Collator 對象中還可以設置一些對象的屬性。

$coll->setAttribute(Collator::CASE_FIRST, Collator::UPPER_FIRST);
var_dump($coll->getAttribute(Collator::CASE_FIRST)); // int(25)
var_dump($coll->compare('Hello', 'hello')); // int(-1)

$coll->setAttribute(Collator::CASE_FIRST, Collator::LOWER_FIRST);
var_dump($coll->getAttribute(Collator::CASE_FIRST)); // int(24)
var_dump($coll->compare('Hello', 'hello')); // int(1)

$coll->setAttribute(Collator::CASE_FIRST, Collator::OFF);
var_dump($coll->getAttribute(Collator::CASE_FIRST)); // int(16)
var_dump($coll->compare('Hello', 'hello')); // int(1)

這裡我們是為對象指定 CASE_FIRST 屬性，屬性值可以指定大寫優先、小寫優先之類的，對於英文字符來說，這個可以影響排序以及對比的結果。

另外，我們還可以通過一個方法獲得當前區域語言的信息。

var_dump($coll->getLocale(Locale::VALID_LOCALE)); // string(10) "zh_Hans_CN"
var_dump($coll->getLocale(Locale::ACTUAL_LOCALE)); // string(2) "zh"

這兩個參數分別是獲得有效的區域設置信息和實際的區域信息。

排序信息

當然，我們也可以看到具體的排序信息，也就是字符在 Collator 中的編碼。

var_dump(bin2hex($coll->getSortKey('Hello'))); // string(20) "b6b0bebec4010901dc08"
var_dump(bin2hex($coll->getSortKey('hello'))); // string(18) "b6b0bebec401090109"
var_dump(bin2hex($coll->getSortKey('你好'))); // string(16) "7b9b657301060106"
var_dump(bin2hex($coll->getSortKey('您好'))); // string(16) "7c33657301060106"

$coll = collator_create( 'en_US' );

var_dump($coll->compare('Hello', 'hello')); // int(1)
var_dump($coll->compare('你好', '您好')); // int(-1)

var_dump($coll->getLocale(Locale::VALID_LOCALE)); // string(5) "en_US"
var_dump($coll->getLocale(Locale::ACTUAL_LOCALE)); // string(4) "root"

var_dump(bin2hex($coll->getSortKey('Hello'))); // string(20) "3832404046010901dc08"
var_dump(bin2hex($coll->getSortKey('hello'))); // string(18) "383240404601090109"
var_dump(bin2hex($coll->getSortKey('你好'))); // string(20) "fb0b8efb649401060106"
var_dump(bin2hex($coll->getSortKey('您好'))); // string(20) "fba5f8fb649401060106"

可以看出，不用同的區域語言獲取到的 getSortKey() 排序鍵信息是不同的，不過它們都是以 16進制存儲的，這和默認的 ASC2 碼完全不同瞭。

錯誤信息

$coll = new Collator( 'en_US' );;
$coll->compare( 'y', 'k' ); 
var_dump($coll->getErrorCode()); // int(0)
var_dump($coll->getErrorMessage()); // string(12) "U_ZERO_ERROR"

使用 getErrorCode() 可以獲得錯誤碼，使用 getErrorMessage() 可以獲得錯誤信息。關於返回的這個 U_ZERO_ERROR 並沒有查找到相關的資料，希望懂行的朋友可以回復說明，大傢一起學習。

排序規則強度

另外就是 Collator 對象就還有一個排序強度的設定，不過我測試的效果並沒有體現出來。

$arr  = array( 'a', 'à' ,'A');
$coll = new Collator( 'de_DE' );

$coll->sort($arr);
var_dump($coll->getStrength());
var_dump( $arr ); // int(2)
// array(3) {
//     [0]=>
//     string(1) "a"
//     [1]=>
//     string(1) "A"
//     [2]=>
//     string(2) "à"
//   }

$coll->setStrength(Collator::IDENTICAL);
var_dump($coll->getStrength()); // int(15)
$coll->sort($arr);
var_dump( $arr );

$coll->setStrength(Collator::QUATERNARY);
var_dump($coll->getStrength()); // int(3)
$coll->sort($arr);
var_dump( $arr );

$coll->setStrength(Collator::PRIMARY);
var_dump($coll->getStrength()); // int(0)
$coll->sort($arr );
var_dump( $arr );

$coll->setStrength(Collator::TERTIARY);
var_dump($coll->getStrength()); // int(2)
$coll->sort($arr );
var_dump( $arr );

$coll->setStrength(Collator::SECONDARY);
var_dump($coll->getStrength()); // int(1)
$coll->sort($arr );
var_dump( $arr );

在官方文檔的測試代碼的結果中，指定不同的參數會返回不同的排序順序，但我實際測試的結果卻全都是一樣的。所以這裡就不做講解瞭，因為自己也沒搞明白為什麼。大傢瞭解一下即可，如果有清楚這方面知識的朋友也請留言回復一起學習哦！

總結

很有意思的一個對象吧，其實這個對象也是支持面向過程式的函數寫法的，在示例代碼中也有使用面向過程的方式的調用的。總體來說，按拼音排序和比較這兩個功能在實際的開發中相信還是有不少用武之地的，大傢可以嘗試看看哦！

測試代碼：

https://github.com/zhangyue0503/dev-blog/blob/master/php/202011/source/3.PHP中國際化的字符串比較對象.php

參考文檔：

https://www.php.net/manual/zh/class.collator.php

到此這篇關於PHP中國際化的字符串排序和比較對象的文章就介紹到這瞭,更多相關PHP國際化字符串比較對象內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！

PHP中國際化的字符串排序和比較對象詳解

目錄

前言

排序

比較

屬性設置

排序信息

錯誤信息

排序規則強度

總結

推薦閱讀：

發佈留言取消回覆

近期文章

目錄

前言

排序

比較

屬性設置

排序信息

錯誤信息

排序規則強度

總結

推薦閱讀：

發佈留言 取消回覆

近期文章

標籤

發佈留言取消回覆