php:如何對UTF-8字元串陣列进行排序？

$a = array( 'Кръстев', 'Делян1', 'делян1', 'Делян2', 'делян3', 'кръстев' );
$col = new \Collator('bg_BG');
$col->asort( $a );
var_dump( $a );

print：

array
  2 => string 'делян1' (length=11)
  1 => string 'Делян1' (length=11)
  3 => string 'Делян2' (length=11)
  4 => string 'делян3' (length=11)
  5 => string 'кръстев' (length=14)
  0 => string 'Кръстев' (length=14)

Collator 類在PECL intl擴充套件中定義.它隨PHP 5.3源一起分發，但對於某些版本可能已禁用.例如.在Debian中，它位於php5-intl軟體包中。

Collator::compare 對 usort有用 .

此問题的更新：

尽管有關此問题的讨論表明我们可以用 strcoll()發現一个PHP錯誤 和/或 setlocale() ，事實顯然並非如此.問题是 setlocale()的windows CRT實現的局限性 （PHPs setlocale() 只是圍绕CRT呼叫的薄包裝）.以下是對MSDN頁面" setlocale，_wsetlocale"的引用：

The set of available languages, country/region codes, and code pages includes all those supported by the Win32 NLS API except code pages that require more than two bytes per character, such as UTF-7 and UTF-8. If you provide a code page like UTF-7 or UTF-8, setlocale will fail, returning NULL. 語言集和 国家/地區代碼支援 setlocale在"語言"和" 国家/地區字元串。

因此，当字元串是多位元組編碼時，不可能在windows上的PHP中使用可識別語言環境的字元串操作。

最终，如果不使用重新編碼的字元串（UTF），就無法以簡單的方式解決此問题. -8→windows-1252或ISO-8859-1），這是由THP所建議的，因為Huppie發現了一个明顯的PHP錯誤。 总結問题，我建立了以下代碼片段，清楚地說明了問题是使用65001 windows-UTF-8代碼頁時的strcoll（）函式。

function traceStrColl($a, $b) {
    $outValue=strcoll($a, $b);
    echo "$a $b $outValue\r\n";
    return $outValue;
}
$locale=(defined('PHP_OS') && stristr(PHP_OS, 'win')) ? 'German_Germany.65001' : 'de_DE.utf8';
$string="ABCDEFGHIJKLMNOPQRSTUVWXYZÄÖÜabcdefghijklmnopqrstuvwxyzäöüß";
$array=array();
for ($i=0; $i<mb_strlen($string, 'UTF-8'); $i++) {
    $array[]=mb_substr($string, $i, 1, 'UTF-8');
}
$oldLocale=setlocale(LC_COLLATE, "0");
var_dump(setlocale(LC_COLLATE, $locale));
usort($array, 'traceStrColl');
setlocale(LC_COLLATE, $oldLocale);
var_dump($array);

結果是：

string(20) "German_Germany.65001"
a B 2147483647
[...]
array(59) {
  [0]=>
  string(1) "c"
  [1]=>
  string(1) "B"
  [2]=>
  string(1) "s"
  [3]=>
  string(1) "C"
  [4]=>
  string(1) "k"
  [5]=>
  string(1) "D"
  [6]=>
  string(2) "ä"
  [7]=>
  string(1) "E"
  [8]=>
  string(1) "g"
  [...]

相同的代碼片段可以在Linux機器上執行，而不会产生以下輸出問题：

string(10) "de_DE.utf8"
a B -1
[...]
array(59) {
  [0]=>
  string(1) "a"
  [1]=>
  string(1) "A"
  [2]=>
  string(2) "ä"
  [3]=>
  string(2) "Ä"
  [4]=>
  string(1) "b"
  [5]=>
  string(1) "B"
  [6]=>
  string(1) "c"
  [7]=>
  string(1) "C"
  [...]

使用windows-1252（ISO-8859-1）編碼的字元串時，该代碼段也可以使用（当然，然後必须更改mb_ *編碼和語言環境）。

我在bugs.php.net上提交了一个錯誤報告：錯誤#46165 strcoll（）在windows上不適用於UTF-8字元串.如果您遇到相同的問题，可以在錯誤報告頁面上向PHP团队提供反馈（另外两个可能相關的錯誤被归類為偽造-我认為這不是 錯誤是偽造;-）。

谢谢大家。

這是一个非常複雜的問题，因為UTF-8編碼的資料可以包含任何Unicode字元（即，来自许多8位編碼的字元，它们在不同的語言環境中进行整理的方式不同） ）。

也许如果您將UTF-8資料轉換為Unicode（不熟悉PHP unicode函式，對不起），然後將其標準化為NFD或NFKD，然後對代碼點进行排序，可能会提供一些對您有意義的排序規則（即 "Ä"之前的" A"）。

檢查我提供的鏈接。

編輯：由於您提到輸入資料是清晰的（我假設它们都屬於" windows-1252"代碼頁），因此您應该執行以下轉換：UTF-8→Unicode→windows-1252， windows-1252編碼的資料可以選擇" CP1252"區域設置。

在windows開發機上，使用代碼頁為1252的示例在這裏工作得很好。

$array=array('Birnen', 'Äpfel', 'Ungetüme', 'Apfel', 'Ungetiere', 'Österreich');
$oldLocal=setlocale(LC_COLLATE, "0");
var_dump(setlocale(LC_COLLATE, 'German_Germany.1252'));
usort($array, 'strcoll');
var_dump(setlocale(LC_COLLATE, $oldLocal));
var_dump($array);

... snip ...

這是PHP 5.2.6.順便說一句

---

上面的例子是 wrong ，它使用ASCII編碼而不是UTF-8.我確實跟蹤了strcoll（）呼叫並查看了發現的內容：

function traceStrColl($a, $b) {
    $outValue = strcoll($a, $b);
    echo "$a $b $outValue\r\n";
    return $outValue;
}
$array=array('Birnen', 'Äpfel', 'Ungetüme', 'Apfel', 'Ungetiere', 'Österreich');
setlocale(LC_COLLATE, 'German_Germany.65001');
usort($array, 'traceStrColl');
print_r($array);

给予：

UngetümeÄpfel2147483647
 UngetümeBirnen 2147483647
 UngetümeApfel 2147483647
 UngetümeUngetiere 2147483647
 ÖsterreichUngetüme2147483647
 ÄpfelUngetiere 2147483647
 ÄpfelBirnen 2147483647
 ApfelÄpfel2147483647
 Ungetiere Birnen 2147483647

我確實發現了一些錯誤報告，這些錯誤報告被標記為虛假... 您最好的選擇是提交我认為的錯誤報告...