ICU(International Components for Unicode)裡提供了transliterator(直譯器),
可以很方便把其他語言(比如簡體中文)轉為拉丁文表示:
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)
蘋果上的CFStringTransform/kCFStringTransformToLatin漢字轉拼音也是透過ICU transform. transforms/general#TOC-ICU-Transliterators
http://nshipster.com/cfstringtransform/
使用php5-intl(依賴ICU:libicu52)的簡體中文(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
相關: MySQL資料表排序規則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, )
查看已經安裝的軟體包目錄檔案結構:
dpkg -L libicu52:amd64
/usr/lib /x86_64-linux-gnu/libicu*
/usr/lib/x86_64-linux-gnu/libicudata.so.52.1 動態庫23MB
/usr/lib/x86_64-linux-gnu/libicudata.a5則是:
phpicu*.dll
phpextphp_intl.dll
下面實作了常用的按漢字拼音首字母分組排序的功能:
<?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', ), )
數字,字母,漢字(按拼音排序,但不能識別多音字)
漢字方面,下面的自然排序跟上面有所不同:
re
<?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', )