关于特定语言约定的 PHP 组数组按字母顺序排列

Question

我正在寻找一种智能解决方案，可以对带有扩展字符的字符串进行排序。这始终是所用语言的问题。让我们以德语为例：A 和 Ä 有时可以被排序为好像它们是同一个字母 (DIN 5007/1)，有时 Ä 可以被排序为实际上是 "AE" (DIN 5007/2)。相比之下，在瑞典语中，Ä 出现在字母表的末尾。

可以在Alphabetical order: Language-specific conventions 找到各种语言的此类约定列表。

按照 DIN 5007/1 对数组进行分组的最快方法是什么？

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

// Grouped Result:

Array
(
    'A' => array
    (
        [0] => Agile
        [1] => Àgile
        [2] => Ágile
        [3] => Âgile
        [4] => Ãgile
        [5] => Ägile
    ),
    'T' => array
    (
        [0] => Test
    )
)

Answer 1

我认为没有一种快速的方法可以对 DIN 5007/1 之类的数组进行分组。至少我没有看到。

解决方案需要考虑两个方面： 排序算法，它尊重根据 DIN 5007/1 进行的排序。将尊重由特殊字符引起的相似性的结果分组。

排序

使用array_multisort()参数时可以设置SORT_LOCAL_STRING。请记住通过在前面设置setlocal() 来选择适当的语言环境信息（例如de_DE）。

// randomly sorted terms
$array = array(
    'Agile',
    'Ágile',
    'Test',
    'Âgile',
    'Ägile',
    'Ãgile',
    'Àgile',
);

setlocale(LC_ALL, '');
array_multisort($array, SORT_ASC, SORT_LOCALE_STRING);
print_r($array);

但这不会导致你想要的结果。

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

您必须深入了解可用的语言环境，也许手动添加所有相关的语言环境。

类别/地区名称可以在 » RFC 1766 和 » ISO 639 中找到。 (source)

分组

使用预定义的组有一个well-working algorithm for grouping。这意味着您要么必须手动定义映射表（例如 Ä = A 和 Ö = O ...）。

或者您可以实施相似性检查，例如similar_text() 或 levenshtein()。

SQL 作为替代？

这个问题在 SQL 中能在多大程度上更有效和高效地实现需要进一步思考。