Natürlicher Sortieralgorithmus in PHP mit Unterstützung für Unicode?

Question

Ist es möglich, ein Array mit Unicode/UTF-8-Zeichen in PHP mit einem natürlichen Ordnungsalgorithmus zu sortieren? Zum Beispiel (die Reihenfolge in diesem Array richtig geordnet):

$array = array 
(
    0 => 'Agile', 
    1 => 'Ágile', 
    2 => 'Àgile', 
    3 => 'Âgile', 
    4 => 'Ägile', 
    5 => 'Ãgile', 
    6 => 'Test', 
); 

Wenn ich versuche, mit asort ($ array) bekomme ich folgendes Ergebnis:

Array 
(
    [0] => Agile 
    [6] => Test 
    [2] => Àgile 
    [1] => Ágile 
    [3] => Âgile 
    [5] => Ãgile 
    [4] => Ägile 
) 

Und mit natsort ($ array):

Array 
(
    [2] => Àgile 
    [1] => Ágile 
    [3] => Âgile 
    [5] => Ãgile 
    [4] => Ägile 
    [0] => Agile 
    [6] => Test 
) 

Wie kann ich eine Funktion implementieren, die das korrekte Ergebnis liefert, um (0, 1, 2, 3, 4, 5, 6) unter PHP 5? Alle Multi-Byte-String-Funktionen (mbstring, iconv, ...) sind auf meinem System verfügbar.

EDIT: Ich möchte Natsort() die Werte, nicht die Schlüssel - der einzige Grund, warum ich explizit die Schlüssel definieren (und mit asort() statt sort()) ist die Suche erleichtern heraus, wo die Sortierung von Unicode-Werten ging schief.

Answer 1

Nailed it!

$array = array('Ägile', 'Ãgile', 'Test', 'カタカナ', 'かたかな', 'Ágile', 'Àgile', 'Âgile', 'Agile'); 

function Sortify($string) 
{ 
    return preg_replace('~&([a-z]{1,2})(acute|cedil|circ|grave|lig|orn|ring|slash|tilde|uml);~i', '$1' . chr(255) . '$2', htmlentities($string, ENT_QUOTES, 'UTF-8')); 
} 

array_multisort(array_map('Sortify', $array), $array); 

Ausgang:

Array 
(
    [0] => Agile 
    [1] => Ágile 
    [2] => Âgile 
    [3] => Àgile 
    [4] => Ãgile 
    [5] => Ägile 
    [6] => Test 
    [7] => かたかな 
    [8] => カタカナ 
) 

---

Noch besser:

if (extension_loaded('intl') === true) 
{ 
    collator_asort(collator_create('root'), $array); 
} 

Dank @tchrist!

Answer 2

natsort($array); 
$array = array_values($array); 

Answer 3

Die Frage ist nicht so einfach zu beantworten, wie es auf den ersten Blick scheint. Dies ist einer der Bereiche, in denen PHP mangels Unicode-Unterstützung Sie mit voller Stärke trifft.

Die erste von allen natsort(), wie von anderen Postern vorgeschlagen, hat nichts mit Sortieren von Arrays des Typs, den Sie sortieren möchten, zu tun. Was Sie suchen, ist ein länderspezifischer Sortiermechanismus, da das Sortieren von Strings mit erweiterten Zeichen immer eine Frage der verwendeten Sprache ist. Nehmen wir zum Beispiel deutsch: A und Ä können manchmal so sortiert werden, als wären sie der gleiche Buchstabe (DIN 5007/1), und manchmal kann Ä sortiert werden, wie es tatsächlich war "AE" (DIN 5007/2). Im Schwedischen kommt Ä dagegen am Ende des Alphabets.

Wenn Sie nicht mit Windows arbeiten, haben Sie Glück, denn PHP bietet genau diese Funktionen. Mit einer Kombination aus setlocale(), usort(), strcoll() und der korrekten UTF-8-Locale für Ihre Sprache, erhalten Sie so etwas wie diese:

$array = array('Àgile', 'Ágile', 'Âgile', 'Ãgile', 'Ägile', 'Agile', 'Test'); 
$oldLocal = setlocale(LC_COLLATE, '<<your_RFC1766_language_code>>.utf8'); 
usort($array, 'strcoll'); 
setlocale(LC_COLLATE, $oldLocal); 

Bitte beachten Sie, dass es zwingend notwendig ist, die UTF-8 locale Variante zu verwenden, um zu sortieren UTF-8-Zeichenfolgen. Ich setze das Gebietsschema im obigen Beispiel auf seinen ursprünglichen Wert zurück, da das Setzen eines Gebietsschemas mit setlocale() Nebeneffekte in anderen laufenden PHP-Skripten verursachen kann - bitte lesen Sie das PHP-Handbuch für weitere Details.

Wenn Sie eine Windows-Maschine verwenden, gibt es zur Zeit keine Lösung für dieses Problem, und es wird nicht vor PHP 6 Ich nehme an. Bitte beachten Sie meine eigene question auf SO für dieses spezifische Problem.

Answer 4

Ich habe mit diesem Problem mit asort gekämpft.

Sortierung:

Array 
(
    [xa] => África 
    [xo] => Australasia 
    [cn] => China 
    [gb] => Reino Unido 
    [us] => Estados Unidos 
    [ae] => Emiratos Árabes Unidos 
    [jp] => Japón 
    [lk] => Sri Lanka 
    [xe] => Europa Del Este 
    [xw] => Europa Del Oeste 
    [fr] => Francia 
    [de] => Alemania 
    [be] => Bélgica 
    [nl] => Holanda 
    [es] => España 
) 

África am Ende setzen. Ich löste es mit diesem schmutzigen kleinen Stück Code (was für meine Zwecke und meine zeitlichen Rahmen fit ist):

$sort = array(); 
foreach($retval AS $key => $value) { 
    $v = str_replace('ä', 'a', $value); 
    $v = str_replace('Ä', 'A', $v); 
    $v = str_replace('Á', 'A', $v); 
    $v = str_replace('é', 'e', $v); 
    $v = str_replace('ö', 'o', $v); 
    $v = str_replace('ó', 'o', $v); 
    $v = str_replace('Ö', 'O', $v); 
    $v = str_replace('ü', 'u', $v); 
    $v = str_replace('Ü', 'U', $v); 
    $v = str_replace('ß', 'S', $v); 
    $v = str_replace('ñ', 'n', $v); 
    $sort[] = "$v|$key|$value"; 
} 
sort($sort); 

$retval = array(); 
foreach($sort AS $value) { 
    $arr = explode('|', $value); 
    $retval[$arr[1]] = $arr[2]; 
} 

Answer 5

Ich habe auch eine andere Abhilfe für diejenigen setlocale nicht funktioniert und nicht über das intl Modul aktiviert:

// The array to be sorted 
$countries = array(
    'AT' => Österreich, 
    'DE' => Deutschland, 
    'CH' => Schweiz, 
); 

// Extend this array to your needs. 
$utf_sort_map = array(
    "ä" => "a", 
    "Ä" => "A", 
    "Å" => "A", 
    "ö" => "o", 
    "Ö" => "O", 
    "ü" => "u", 
    "Ü" => "U", 
); 

uasort($my_array, function($a, $b) use ($utf_sort_map) { 
    $initial_a = mb_substr($a, 0, 1); 
    $initial_b = mb_substr($b, 0, 1); 

    if (isset($utf_sort_map[$initial_a]) || isset($utf_sort_map[$initial_b])) { 
    if (isset($utf_sort_map[$initial_a])) { 
     $initial_a = $utf_sort_map[$initial_a]; 
    } 

    if (isset($utf_sort_map[$initial_b])) { 
     $initial_b = $utf_sort_map[$initial_b]; 
    } 

    if ($initial_a == $initial_b) { 
     return mb_substr($a, 1) < mb_substr($b, 1) ? -1 : 1; 
    } 
    else { 
     return $initial_a < $initial_b ? -1 : 1; 
    } 
    } 

    return $a < $b ? -1 : 1; 
});