PHP利用ICU擴展intl快速實現漢字轉拼音以及按拼音首字母分組排序

ICU(International Components for Unicode)裏提供了transliterator(直譯器),
能夠很方便把其餘語言(好比簡體中文)轉爲拉丁文表示:
http://cn2.php.net/manual/zh/transliterator.transliterate.php
Transliterator: allows getting latin representation of strings in various languages.

<?php
//文件編碼要求是Unicode
header('Content-Type: text/html; charset=utf-8');

echo transliterator_transliterate('Any-Latin', '中華有爲');
//輸出 zhōng huá yǒu wèi

echo transliterator_transliterate('Any-Latin; Latin-ASCII; Lower()', '中華有爲');
//輸出 zhong hua you wei

echo transliterator_transliterate('Any-Latin; Latin-ASCII; Upper()', '中華有爲');
//輸出 ZHONG HUA YOU WEI

echo transliterator_transliterate('Any-Latin', '重陽');
//輸出 zhòng yáng (錯誤,多音字仍是坑)

蘋果上的CFStringTransform/kCFStringTransformToLatin漢字轉拼音也是經過ICU transform實現的:
http://userguide.icu-project.org/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數據表排序規則COLLATE=utf8_general_ci

<?php
header('Content-Type: text/html; charset=utf-8');
$coll = collator_create('zh_CN');
$arr = array('中國','華山','華夏','中華','重陽','重量','b','a',2,1);
collator_sort($coll, $arr);
var_export($arr);
//輸出(可見漢字按照拼音排序,但不能識別多音字"重"):
array (
  0 => 'a',
  1 => 'b',
  2 => '華山',
  3 => '華夏',
  4 => '中國',
  5 => '中華',
  6 => '重量',
  7 => '重陽',
  8 => 1,
  9 => 2,
)

若是元素1和2加上引號變成字符串類型的話,則1和2排序後會出如今開頭.
查看已經安裝的軟件包目錄文件結構:
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.a       靜態庫23MB
Windows上則是:
php\icu*.dll
php\ext\php_intl.dll

下面實現了經常使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','阿里雲','百度百科','阿里巴巴');
$coll = collator_create('zh_CN');
collator_sort($coll, $arr);
var_export($arr);
//輸出 array ( 0 => '阿里巴巴', 1 => '阿里雲', 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);
//輸出
array (
  'A' => 
  array (
    0 => '阿里巴巴',
    1 => '阿里雲',
  ),
  '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,顯示以下:
1  2  a  b  華山  華夏  中國  中華  重量  重陽
數字,字母,漢字(按拼音排序,但不能識別多音字)
漢字方面,下面的天然排序跟上面有所不一樣:

<?php
header('Content-Type: text/plain; charset=utf-8');
$arr = array('中國','華山','華夏','中華','重陽','重量','b','a',2,1);
natsort($arr); // 等價於 uasort($arr, function($a, $b) { return strnatcmp($a, $b); });
var_export($arr);
//輸出(天然排序下漢字並無按照拼音進行排序):
array (
  9 => 1,
  8 => 2,
  7 => 'a',
  6 => 'b',
  3 => '中華',
  0 => '中國',
  2 => '華夏',
  1 => '華山',
  5 => '重量',
  4 => '重陽',
)

幾種排序的比較:

<?php
header('Content-Type: text/plain; charset=utf-8');
$arr = explode(' ', '1 11 111 112 12 121 122 a aa aaa aab ab aba abb 阿里 百度 中 中國 中國國 中國中 中中 中中國 中中中');
shuffle($arr); //打亂數組
//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 中國 中國國 中國中 中中 中中國 中中中
collator_sort(zh_CN)排序(相似Windows/Linux桌面文件管理器裏的默認按名稱上升排列):
1 11 12 111 112 121 122 a aa aaa aab ab aba abb 阿里 百度 中 中國 中國國 中國中 中中 中中國 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 中中國 中國 中國中 中國國 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 中中國 中國 中國中 中國國 百度 阿里