萬盛學電腦網

您现在的位置: 萬盛學電腦網 >> 程式設計 >  >> 網路程式設計 >> PHP 程式設計

PHP 實現中英文首字母提取:GB2312 編碼區位碼對照表法

中文首字母提取核心在於**區位碼轉內碼後對照拼音區間表**。本文提供完整函數,支援中英混合字串首字母大寫輸出。

演算法原理

  1. 判斷首字元:英文字母直接大寫回傳
  2. 中文字:iconv("UTF-8","GB2312") 轉內碼
  3. 計算 asc = (高位元組 << 8) + 低位元組 - 65536(有號 16-bit)
  4. 對照拼音首字母區間表(-20319 ~ -10247 對應 A~Z)

完整函數

function getFirstChar($s0) {
    $c = $s0[0];
    // 英文快速路徑
    if (in_array(strtoupper($c), ['I','U','V'])) return strtoupper($c);
    $ord = ord($c);
    if ($ord >= ord('A') && $ord <= ord('z')) return strtoupper($c);
    
    // 中文處理
    $s1 = @iconv("UTF-8", "GB2312//IGNORE", $s0);
    $s2 = @iconv("GB2312", "UTF-8//IGNORE", $s1);
    $s = ($s2 === $s0) ? $s1 : $s0; // 確認轉換成功
    
    if (strlen($s) < 2) return null;
    $asc = ord($s[0]) * 256 + ord($s[1]) - 65536;
    
    // 拼音首字母區間表(GB2312 內碼有序對應拼音排序)
    if ($asc >= -20319 && $asc <= -20284) return 'A';
    if ($asc >= -20283 && $asc <= -19776) return 'B';
    if ($asc >= -19775 && $asc <= -19219) return 'C';
    if ($asc >= -19218 && $asc <= -18711) return 'D';
    if ($asc >= -18710 && $asc <= -18527) return 'E';
    if ($asc >= -18526 && $asc <= -18240) return 'F';
    if ($asc >= -18239 && $asc <= -17923) return 'G';
    if ($asc >= -17922 && $asc <= -17418) return 'H';
    if ($asc >= -17417 && $asc <= -16475) return 'J';
    if ($asc >= -16474 && $asc <= -16213) return 'K';
    if ($asc >= -16212 && $asc <= -15641) return 'L';
    if ($asc >= -15640 && $asc <= -15166) return 'M';
    if ($asc >= -15165 && $asc <= -14923) return 'N';
    if ($asc >= -14922 && $asc <= -14915) return 'O';
    if ($asc >= -14914 && $asc <= -14631) return 'P';
    if ($asc >= -14630 && $asc <= -14150) return 'Q';
    if ($asc >= -14149 && $asc <= -14091) return 'R';
    if ($asc >= -14090 && $asc <= -13319) return 'S';
    if ($asc >= -13318 && $asc <= -12839) return 'T';
    if ($asc >= -12838 && $asc <= -12557) return 'W';
    if ($asc >= -12556 && $asc <= -11848) return 'X';
    if ($asc >= -11847 && $asc <= -11056) return 'Y';
    if ($asc >= -11055 && $asc <= -10247) return 'Z';
    
    return null;
}

使用範例

echo getFirstChar("中國"); // Z
echo getFirstChar("Apple"); // A
echo getFirstChar("測試");  // C

局限性與改進

  • 僅支援 GB2312 覆蓋字符(6763 漢字),生僻字、港台繁體、擴展字集無法處理
  • 多音字無法區分:如「長」→ C(cháng)或 Z(zhǎng)
  • 效能:逐字 iconv 較慢,批次處理建議快取或用 mbstring 陣列操作

現代替代方案

// 1. 使用 pinyin 套件 (composer require overtrue/pinyin)
use Overtrue\Pinyin\Pinyin;
$pinyin = new Pinyin();
$pinyin->first('中國', Pinyin::FIRST_LETTER); // 'Z'

// 2. ICU 透過 intl 擴展
$trans = Transliterator::create('Any-Latin; Latin-ASCII; Upper()');
$trans->transliterate('中國'); // 'ZHONG' -> 取首字母

新專案強烈建議用成熟拼音庫,支援多音字、繁體、擴展字集、語調標記,維護成本遠低於自維護區間表。

copyright © 萬盛學電腦網 all rights reserved