PHP UTF-8 数组按中文排序的解决方案

晚来风

发布时间：2026-10-14 | 5人浏览过

原创

本文介绍在 PHP 中如何对包含中文的 UTF-8 数组进行正确的拼音排序。由于 UTF-8 编码特性导致直接排序失效，通过利用 iconv 函数将字符串临时转换为 GBK/GB2312 内码进行排序，并配合 IGNORE 选项处理异常字符，可实现稳定准确的中文排序。

问题分析与核心原理

在 PHP 开发中，如果需要对关联数组（Associative Array）中的键值对保持原有的中文顺序进行重排，通常会使用 asort() 函数。然而，当数据采用 UTF-8 编码存储时，直接使用 asort() 往往达不到按拼音字母排序的预期效果。

这一现象的根本原因在于字符集的底层逻辑不同：

GBK / GB2312：这两种常见的中文编码标准，其内部字节排列本身就是按照拼音顺序设计的，因此对这些编码的字符串进行排序，自然能实现“拼音序”。
UTF-8：作为国际化编码，它基于 Unicode，字符的字节序列并不对应于人类的阅读顺序（如拼音），而是对应于 Unicode 码位。

因此，解决此问题的核心策略是：转换 → 排序 → 还原。即先将 UTF-8 字符串转为 GBK，执行排序，再将结果转回 UTF-8。

基础实现方法

以下是最基础的实现函数。该函数接收一个引用传递的数组，将其元素临时转为 GB2312 进行排序，完成后恢复为 UTF-8。

function utf8_array_asort(&$array) {
    if (!isset($array) || !is_array($array)) {
        return false;
    }

    // 1. 将数组元素从 UTF-8 转换为 GB2312
    foreach ($array as $k => $v) {
        $array[$k] = iconv('UTF-8', 'GB2312', $v);
    }

    // 2. 执行排序 (此时按 GBK 规则，即拼音序)
    asort($array);

    // 3. 将排序后的元素转回 UTF-8
    foreach ($array as $k => $v) {
        $array[$k] = iconv('GB2312', 'UTF-8', $v);
    }

    return true;
}

第 1 步：调用示例

我们可以定义一个测试数组来验证上述函数的效果。注意观察输出顺序是否为拼音首字母升序。

$abc = array(
    'a' => '猜', 
    'b' => '我',
    'c' => '哦',
    'd' => '棍',
    'e' => 'f',
    'f' => '爸',
    'z' => '州'
);
utf8_array_asort($abc);
print_r($abc);

理想情况下，输出顺序应当大致遵循：爸 (B)、测(C)...、猜(C)...、棍(G)、我(W)、州(Z)、哦(O) 等拼音首字母顺序。但由于纯字符串比较可能涉及多音字及具体算法差异，这里主要演示流程。

进阶方案：处理非法字符与乱码风险

在实际生产环境中，基础版函数可能会遇到一个问题：非预期字符报错。

许多生僻字或特殊符号在 UTF-8 中存在，但在 GB2312（字库较小，仅收录6763个汉字）中不存在。当 iconv 尝试将这些 UTF-8 字符转换为 GB2312 时，会因找不到对应编码而产生“非法字符”错误，导致脚本中断或返回空值。

为了修复此问题，我们需要在使用 GB2312 之前，切换到容量更大的 GBK 编码集，并且必须加上 //IGNORE 参数。忽略模式的含义是：遇到无法转换的字符时， silently drop 掉它们而不是抛出错误。

第 2 步：修正后的健壮排序函数

以下是优化后的代码，采用了 GBK//IGNORE 和 UTF-8//IGNORE，适用于内容复杂、可能包含各种杂字的业务场景。

private function utf8_array_asort(&$array) {
    if (!isset($array) || !is_array($array)) {
        return false;
    }

    foreach ($array as $k => $v) {
        // UTF-8 转 GBK，忽略不可转换字符
        $array[$k] = iconv('UTF-8', 'GBK//IGNORE', $v);
    }

    asort($array);

    foreach ($array as $k => $v) {
        // GBK 转回 UTF-8，忽略不可转换字符
        $array[$k] = iconv('GBK', 'UTF-8//IGNORE', $v);
    }

    return true;
}

关键参数说明

//IGNORE：告诉 iconv 丢弃任何无法转换的字符。这保证了即使数组中包含 Emoji、特殊标点或超出国标的生僻字，程序也不会崩溃，只是这些特定字符可能在转换过程中丢失或变空（取决于上下文），但整体结构保留。
GBK vs GB2312：GBK 兼容 GB2312 且扩充了大量繁体字及生僻字，容错率更高，推荐优先使用。