php:如何对UTF-8字符串数组进行排序？

$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 类在PECL intl扩展中定义.它随PHP 5.3源一起分发，但对于某些版本可能已禁用.例如.在Debian中，它位于php5-intl软件包中。

Collator::compare 对 usort有用 .

此问题的更新：

尽管有关此问题的讨论表明我们可以用 strcoll()发现一个PHP错误 和/或 setlocale() ，事实显然并非如此.问题是 setlocale()的windows CRT实现的局限性 （PHPs setlocale() 只是围绕CRT调用的薄包装）.以下是对MSDN页面" 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. 语言集和 国家/地区代码支持 setlocale在"语言"和" 国家/地区字符串。

因此，当字符串是多字节编码时，不可能在windows上的PHP中使用可识别语言环境的字符串操作。

最终，如果不使用重新编码的字符串（UTF），就无法以简单的方式解决此问题. -8→windows-1252或ISO-8859-1），这是由THP所建议的，因为Huppie发现了一个明显的PHP错误。 总结问题，我创建了以下代码片段，清楚地说明了问题是使用65001 windows-UTF-8代码页时的strcoll（）函数。

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);

结果是：

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"
  [...]

相同的代码片段可以在Linux机器上运行，而不会产生以下输出问题：

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）编码的字符串时，该代码段也可以使用（当然，然后必须更改mb_ *编码和语言环境）。

我在bugs.php.net上提交了一个错误报告：错误#46165 strcoll（）在windows上不适用于UTF-8字符串.如果您遇到相同的问题，可以在错误报告页面上向PHP团队提供反馈（另外两个可能相关的错误被归类为伪造-我认为这不是 错误是伪造;-）。

谢谢大家。

这是一个非常复杂的问题，因为UTF-8编码的数据可以包含任何Unicode字符（即，来自许多8位编码的字符，它们在不同的语言环境中进行整理的方式不同） ）。

也许如果您将UTF-8数据转换为Unicode（不熟悉PHP unicode函数，对不起），然后将其标准化为NFD或NFKD，然后对代码点进行排序，可能会提供一些对您有意义的排序规则（即 "Ä"之前的" A"）。

检查我提供的链接。

编辑：由于您提到输入数据是清晰的（我假设它们都属于" windows-1252"代码页），因此您应该执行以下转换：UTF-8→Unicode→windows-1252， windows-1252编码的数据可以选择" CP1252"区域设置。

在windows开发机上，使用代码页为1252的示例在这里工作得很好。

$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 ...

这是PHP 5.2.6.顺便说一句

---

上面的例子是 wrong ，它使用ASCII编码而不是UTF-8.我确实跟踪了strcoll（）调用并查看了发现的内容：

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

我确实发现了一些错误报告，这些错误报告被标记为虚假... 您最好的选择是提交我认为的错误报告...