按拼音排序的小技巧

這是一個建立於 的文章，其中的資訊可能已經有所發展或是發生改變。

說到按中文拼音排序，很多人就想到了通過『拼音字典』的相關庫來實現。隨便在github搜尋一下 拼音 發現庫確實挺多的，不過實現成本都有點高。再搜尋 拼音排序 還真有，我簡單的看了下，實現方式五花八門。

今天分享一個按拼音排序的小技巧，與語言無關，但是用PHP實現最簡單就用PHP做示範。

$province_arr = ['山東','山西','安徽','北京','福建','甘肅','廣東','貴州'];usort($province_arr,function($a,$b){    $a = iconv('UTF-8', 'GBK//IGNORE', $a);    $b = iconv('UTF-8', 'GBK//IGNORE', $b);    return $a>$b?1:-1;});print_r($province_arr);/**結果如下Array(    [0] => 安徽    [1] => 北京    [2] => 福建    [3] => 甘肅    [4] => 廣東    [5] => 貴州    [6] => 山東    [7] => 山西)**/

不算閉包函數的話一行代碼就實現了『將漢字用拼音排序』的功能，當然這段代碼有一點缺陷就是數組中的每一行資料都執行了兩次iconv() 函數，這是可以最佳化的。另一點就是擴充性不足，遇到英文開頭的字串時需要做特殊處理。除此之外相當給力的一種方法，下面說說他排序的原理。

GBK編碼，是對GB2312編碼的擴充，因此完全相容GB2312-80標準。GBK編碼依然採用雙位元組編碼方案，其編碼範圍：8140－FEFE，剔除xx7F碼位，共23940個碼位。共收錄漢字和圖形符號21886個，其中漢字（包括部首和構件）21003個，圖形符號883個。GBK編碼支援國際標準ISO/IEC10646-1和國家標準GB13000-1中的全部中日韓漢字，並包含了BIG5編碼中的所有漢字。GBK編碼方案於1995年12月15日正式發布，這一版的GBK規範為1.0版。更新介紹

上面一段是GBK編碼的簡介，要是認真看GBK編碼的介紹的話會發現一個很有意思的事情。

GBK編碼漢字區包括：

a. GB 2312 漢字區。即 GBK/2: B0A1-F7FE。收錄 GB 2312 漢字 6763 個，按原順序排列。

b. GB 13000.1 擴充漢字區。包括：

1. GBK/3: 8140-A0FE。收錄 GB 13000.1 中的 CJK 漢字 6080 個。

1. GBK/4: AA40-FEA0。收錄 CJK 漢字和增補的漢字 8160 個。CJK 漢字在前，按 UCS 代碼大小排列；增補的漢字（包括部首和構件）在後，按《康熙字典》的頁碼/字位排列。

我們發現GBK編碼的兩次擴充都是基於拼音做的編碼排序，所以整個GBK漢字區的中文符號都內建拼音權重。所以通過這個權重我們能輕鬆的實現『將漢字用拼音排序』功能。

另外GBK編碼與程式設計語言無關，我們通過Java，JS，Golang都能很輕鬆的實現拼音排序功能。

更多相關文章請移步我的部落格-原文連結：按中文拼音排序的小技巧