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


Posted in PHP onMay 03, 2017

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

PHP 相关文章推荐
漂亮但不安全的CTB
Oct 09 PHP
php不用正则采集速度探究总结
Mar 24 PHP
php getimagesize 上传图片的长度和宽度检测代码
May 15 PHP
让PHP以ROOT权限执行系统命令的方法
Feb 10 PHP
解析phpstorm + xdebug 远程断点调试
Jun 20 PHP
通过curl模拟post和get方式提交的表单类
Apr 23 PHP
ThinkPHP快速入门实例教程之数据分页
Jul 01 PHP
WordPress中is_singular()函数简介
Feb 05 PHP
php判断当前操作系统类型
Oct 28 PHP
PHP创建PowerPoint2007文档的方法
Dec 10 PHP
PHP5.6新增加的可变函数参数用法分析
Aug 25 PHP
解决php扩展安装不生效问题
Oct 25 PHP
php中的异常和错误浅析
May 03 #PHP
利用php-cli和任务计划实现刷新token功能的方法
May 03 #PHP
利用php-cli和任务计划实现订单同步功能的方法
May 03 #PHP
php删除数组指定元素实现代码
May 03 #PHP
在php7中MongoDB实现模糊查询的方法详解
May 03 #PHP
PHP里面把16进制的图片数据显示在html的img标签上(实现方法)
May 02 #PHP
php 使用curl模拟ip和来源进行访问的实现方法
May 02 #PHP
You might like
php中unlink()、mkdir()、rmdir()等方法的使用介绍
2012/12/21 PHP
php更新修改excel中的内容实例代码
2014/02/26 PHP
php定义数组和使用示例(php数组的定义方法)
2014/03/29 PHP
php opendir()列出目录下所有文件的实例代码
2016/10/02 PHP
Yii2.0 RESTful API 基础配置教程详解
2018/12/26 PHP
PHP实现的抓取小说网站内容功能示例
2019/06/27 PHP
php 的多进程操作实践案例分析
2020/02/28 PHP
onclick与listeners的执行先后问题详细解剖
2013/01/07 Javascript
Jquery实现图片放大镜效果的思路及代码(自写)
2013/10/18 Javascript
javascript中怎么做对象的类型判断
2013/11/11 Javascript
jQuery中offset()方法用法实例
2015/01/16 Javascript
在Javascript中处理字符串之big()方法的使用
2015/06/08 Javascript
JavaScript数据类型转换的注意事项
2016/07/31 Javascript
jQuery事件处理的特征(事件命名机制)
2016/08/23 Javascript
AngularJS实现根据变量改变动态加载模板的方法
2016/11/04 Javascript
nodejs超出最大的调用栈错误问题
2017/12/27 NodeJs
Angularjs Promise实例详解
2018/03/15 Javascript
还不懂递归?读完这篇文章保证你会懂
2018/07/29 Javascript
基于vue开发微信小程序mpvue-docs跳转页面功能
2019/04/10 Javascript
[52:02]完美世界DOTA2联赛PWL S2 FTD.C vs SZ 第一场 11.27
2020/11/30 DOTA
python文件写入write()的操作
2019/05/14 Python
Python如何调用JS文件中的函数
2019/08/16 Python
解决Python import docx出错DLL load failed的问题
2020/02/13 Python
基于Python3.7.1无法导入Numpy的解决方式
2020/03/09 Python
浅谈Pycharm的项目文件名是红色的原因及解决方式
2020/06/01 Python
兰蔻俄罗斯官方网站:Lancome俄罗斯
2019/12/09 全球购物
游戏商店:Eneba
2020/04/25 全球购物
《画风》教学反思
2014/04/16 职场文书
大学中国梦演讲稿
2014/04/23 职场文书
推广普通话标语
2014/06/27 职场文书
解除租房协议书
2014/12/03 职场文书
防暑降温通知书
2015/04/27 职场文书
教务处教学工作总结
2015/08/10 职场文书
学校学期工作总结
2015/08/13 职场文书
2016年端午节寄语
2015/12/04 职场文书
java如何实现获取客户端ip地址的示例代码
2022/04/07 Java/Android