PHP中国际化的字符串排序和比较对象详解

吾爱主题阅读：195 2021-11-23 16:21:00 评论：0

前言

在 PHP 中，国际化的功能非常丰富，包括很多我们可能都不知道的东西其实都非常有用，比如说今天要介绍的这一系列的字符排序和比较的功能。

排序

正常来说，如果我们对数组中的字符进行排序，按照的是字符的 ASC2 表的顺序进行排列，如果是英文还好，但对于中文的话，排序出来的结果会是非常懵逼的。

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 $arr = [ '我' , '是' , '硬' , '核' , '项' , '目' , '经' , '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) "经" // [7]=> // string(3) "项" // }

按照我们的习惯会以中文的拼音来对汉字进行排序，这个时候往往大家都会选择自己写排序的算法或者去找合适的 Composer 包。其实，PHP 中已经为我们准备了一个对象就是用来处理这类问题的。

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 $coll = new Collator( 'zh_CN' ); $coll ->sort( $arr ); var_dump( $arr ); // array(8) { // [0]=> // string(3) "核" // [1]=> // string(3) "经" // [2]=> // string(3) "理" // [3]=> // string(3) "目" // [4]=> // string(3) "是" // [5]=> // string(3) "我" // [6]=> // string(3) "项" // [7]=> // string(3) "硬" // }

没错，正是这个 Collator 类。它在实例化的时候需要指定当前的区域，比如我们指定为 zh_CN ，也就是中文字符区域，这时候再使用它的 sort() 方法就可以完成对中文字符的拼音排序。

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 $coll ->sort( $arr , Collator::SORT_NUMERIC ); var_dump( $arr ); // array(8) { // [0]=> // string(3) "核" // [1]=> // string(3) "经" // [2]=> // string(3) "理" // [3]=> // string(3) "目" // [4]=> // string(3) "是" // [5]=> // string(3) "我" // [6]=> // string(3) "项" // [7]=> // string(3) "硬" // } $coll ->sort( $arr , Collator::SORT_STRING ); var_dump( $arr ); // array(8) { // [0]=> // string(3) "核" // [1]=> // string(3) "经" // [2]=> // string(3) "理" // [3]=> // string(3) "目" // [4]=> // string(3) "是" // [5]=> // string(3) "我" // [6]=> // string(3) "项" // [7]=> // string(3) "硬" // }

Collator 对象的 sort() 方法还支持第二个参数，用于指定当前的排序是按照字符还是数字格式进行排序。对于纯中文的内容来说，这个没有什么区别。

除了 sort() 方法之外，它还有一个 asort() 方法，就和普通的 asort() 函数一样的功能，只不过它也是支持不同的区域语言的。

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 $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() 方法是根据键和值一起进行排序的，所以在这里指定 SORT_STRING 和 SORT_NUMERIC 就有明显的效果了。我们可以看出，如果是根据数字排序，那么结果就是以数字内容为准的，如果是根据字符排序，那么结果就是以键值中的字符串部分为基础进行排序的。

不管是 sort() 还是 asrot() 本质上都和普通的 PHP 默认提供的 sort() 和 asrot() 函数一样的。只是它们多了区域语言的功能而已。

另外，Collator 对象中还提供了一个 sortWithSortKeys() 方法，这个是普通的 PHP 排序函数中没有的。

1 2 3 4 5 6 7 8 9 10 11 12 13 $arr = [ '我' , '是' , '硬' , '核' , '项' , '目' , '经' , '理' ]; $coll ->sortWithSortKeys( $arr ); var_dump( $arr ); // array ( // 0 => '核', // 1 => '经', // 2 => '理', // 3 => '目', // 4 => '是', // 5 => '我', // 6 => '项', // 7 => '硬', // )

它与 sort() 方法是类似的，但使用的是 ucol_getSortKey() 来生成的 ICU 排序键，在大型数组上的速度更快。

ICU 的全称是 International Components for Unicode ，也就是 Unicode 的国际化组件，它提供了翻译相关的功能，也就是我们系统中以及各类编程语言要实现国际化能力的基础。

比较

接下来就是字符串的比较，比如说我们都知道，"a" 是比 "A" 要大的，因为在 ASC2 码表中，"A" 是 65 ，"a" 是 97 。当然，这只是默认情况下的比较，在使用 Collator 对象的函数进行比较时，则是根据字典库中的排序索引进行比较的，对于中文来说，基本上就也是按照拼音的顺序来比较了。

1 2	`var_dump(` `$coll` `->compare(` `'Hello'` `,` `'hello'` `));` `// int(1)` `var_dump(` `$coll` `->compare(` `'你好'` `,` `'您好'` `));` `// int(-1)`

compare() 方法就是用来进行比较的，如果两个字符串相等，返回的就是 0 ，如果第一个字符串大于第二个，返回的是 1 ，否则返回的是 -1 。从代码中，我们可以看出 "Hello" 是大于 "hello" 的，"你好" 是小于 "您好" 的（因为 "您" 多了一个 g ）。

属性设置

Collator 对象中还可以设置一些对象的属性。

1 2 3 4 5 6 7 8 9 10 11 $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)

这里我们是为对象指定 CASE_FIRST 属性，属性值可以指定大写优先、小写优先之类的，对于英文字符来说，这个可以影响排序以及对比的结果。

另外，我们还可以通过一个方法获得当前区域语言的信息。

1 2	`var_dump(` `$coll` `->getLocale(Locale::VALID_LOCALE));` `// string(10) "zh_Hans_CN"` `var_dump(` `$coll` `->getLocale(Locale::ACTUAL_LOCALE));` `// string(2) "zh"`

这两个参数分别是获得有效的区域设置信息和实际的区域信息。

排序信息

当然，我们也可以看到具体的排序信息，也就是字符在 Collator 中的编码。

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 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，不用同的区域语言获取到的 getSortKey() 排序键信息是不同的，不过它们都是以 16进制存储的，这和默认的 ASC2 码完全不同了。

错误信息

1 2 3 4 $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() 可以获得错误码，使用 getErrorMessage() 可以获得错误信息。关于返回的这个 U_ZERO_ERROR 并没有查找到相关的资料，希望懂行的朋友可以回复说明，大家一起学习。

排序规则强度

另外就是 Collator 对象就还有一个排序强度的设定，不过我测试的效果并没有体现出来。

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 $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 );