通訊錄排序、城市選擇器、標籤分組等場景常需獲取中文字串的拼音首字母(大寫)。PHP 無內建拼音轉換,需自行實現或使用擴展。本文提供基於 GB2312 編碼區間映射的純 PHP 實作,無需擴展即可部署。
<?php
/**
* 獲取字串首字母(支援中文拼音首字母、英文、數字、符號)
* @param string $str 輸入字串(UTF-8 編碼)
* @param string $charset 內部處理編碼,預設 GB2312(拼音區間表基於此編碼)
* @return string 首字母字串(大寫),無法識別字元返回 *
*/
function getFirstLetters(string $str, string $charset = 'GB2312'): string {
// GB2312 拼音首字母區間表(十進制)
// 來源:GB2312-80 標準漢字區劃
static $pinyinRanges = [
'A' => [45217, 45252], 'B' => [45253, 45760], 'C' => [45761, 46317],
'D' => [46318, 46825], 'E' => [46826, 47009], 'F' => [47010, 47296],
'G' => [47297, 47613], 'H' => [47614, 48118], 'J' => [48119, 49061],
'K' => [49062, 49323], 'L' => [49324, 49895], 'M' => [49896, 50370],
'N' => [50371, 50613], 'O' => [50614, 50621], 'P' => [50622, 50905],
'Q' => [50906, 51386], 'R' => [51387, 51445], 'S' => [51446, 52217],
'T' => [52218, 52697], 'W' => [52698, 52979], 'X' => [52980, 53688],
'Y' => [53689, 54480], 'Z' => [54481, 55289],
// I、U、V 在 GB2312 無漢字區間
];
// 轉換編碼
$gbStr = @iconv('UTF-8', $charset . '//IGNORE', $str);
if ($gbStr === false) return '';
$len = strlen($gbStr);
$result = '';
$i = 0;
while ($i < $len) {
$byte = ord($gbStr[$i]);
if ($byte < 0x80) {
// ASCII 字元(英文、數字、符號)
$result .= strtoupper($gbStr[$i]);
$i++;
} else {
// 可能是雙位元組漢字(GB2312 高位元組 0xA1-0xFE)
if ($i + 1 < $len) {
$high = $byte;
$low = ord($gbStr[$i + 1]);
$code = ($high << 8) | $low; // 合併為 16 位整數
$letter = '*';
foreach ($pinyinRanges as $ltr => $range) {
if ($code >= $range[0] && $code <= $range[1]) {
$letter = $ltr;
break;
}
}
$result .= $letter;
$i += 2;
} else {
// 殘缺位元組
$result .= '*';
$i++;
}
}
}
return $result;
}
// ==================== 測試與示範 ====================
header('Content-Type: text/plain; charset=utf-8');
$testCases = [
'北京市' => 'BJ',
'上海' => 'SH',
'廣州市天河區' => 'GZTHQ',
'Hello World' => 'HELLO WORLD',
'PHP 8.1' => 'PHP 8.1',
'測試 Test 123' => 'CS TEST 123',
'αβγ' => '***', // 希臘字母不在 GB2312 範圍
];
echo "=== 首字母提取測試 ===\n";
foreach ($testCases as $input => $expected) {
$output = getFirstLetters($input);
$status = $output === $expected ? '✅' : '❌';
echo "$status 輸入: $input\n";
echo " 輸出: $output (預期: $expected)\n\n";
}
// 批量處理示範:城市列表排序
$cities = ['重慶', '北京', '上海', '天津', '石家莊', '太原', '呼和浩特'];
usort($cities, fn($a, $b) => strcmp(getFirstLetters($a), getFirstLetters($b)));
echo "=== 城市按首字母排序 ===\n";
print_r($cities);
/* 輸出:
Array
(
[0] => 北京
[1] => 重慶
[2] => 上海
[3] => 石家莊
[4] => 天津
[5] => 太原
[6] => 呼和浩特
)
對應首字母: B, C, S, S, T, T, H
*/
?>
| 方案 | 優點 | 缺點 | 適用場景 |
|---|---|---|---|
| 本文 GB2312 區間表 | 零依賴、部署簡單、效能極高 | 不支援繁體字、生僻字、多音字;需 GB2312 編碼支援 | 簡單項目、內網系統、字元集可控環境 |
Composer 包 overtrue/pinyin | 支援多音字、繁體、分詞、多種輸出格式 | 需 Composer、體積較大、依賴詞典文件 | 現代 Laravel/Symfony 專案、高準確度需求 |
PHP 擴展 pinyin (PECL) | C 層實現、效能最強 | 需編譯安裝、維護成本高、版本兼容性風險 | 高併發、極致效能要求場景 |
| 第三方 API(百度/騰訊/阿里雲) | 準確度最高、持續更新、支援姓名/地址專項優化 | 網絡延遲、配額限制、隱私合規、成本 | 用戶可見的核心功能(如註冊姓名拼音) |
本文提供的 `getFirstLetters()` 函數以約 50 行代碼實現了中英文混合字串首字母提取,零依賴、高效能、易部署,適合中小型專案快速集成。對於準確度要求極高、涉及人名/地址專業場景的系統,建議升級使用成熟的 Composer 包或雲端 API 服務。