您现在的位置：程式碼之家 >> 編程語言 > >> 網頁程式設計 >> PHP 程式設計 >> PHP 相關知識

PHP 獲取中文首字母完整方案：GB2312 編碼對照表、多音字處理與現代 Composer 套件推薦

編輯：PHP 相關知識

前言

中文首字母拼音轉換是通訊錄排序、城市選擇器、搜尋索引、URL 友善化等功能的基礎需求。PHP 核心不內建此功能，開發者需自行實作或引入第三方套件。本文深入解析GB2312 區位碼對照表法原理與缺陷，提供多音字處理策略，並推薦現代Composer 套件與效能優化方案。

核心原理：GB2312 編碼與拼音區間對應

GB2312 (及其超集 GBK/GB18030) 將漢字編碼為雙位元組，範圍 0xB0A1 - 0xF7FE。拼音排序大致遵循區位碼順序，因此可建立區位碼區間 → 首字母對照表。

經典對照表實作 (修正版)

<?php
/**
 * 根據 GB2312/GBK 編碼獲取單一漢字首字母 (大寫)
 * @param string $char 單一漢字 (需為 GB2312/GBK 編碼)
 * @return string 首字母 A-Z，非漢字返回原字元，* 表未知
 */
function getFirstLetterGB(string $char): string {
    // 確保輸入為 GB2312 編碼
    if (mb_detect_encoding($char, 'UTF-8', true)) {
        $char = iconv('UTF-8', 'GB2312//IGNORE', $char);
    }
    
    // 非雙位元組直接返回 (ASCII、數字、符號)
    if (strlen($char) !== 2) {
        return strtoupper($char);
    }
    
    // 計算區位碼 (GB2312: 高位 0xB0-0xF7, 低位 0xA1-0xFE)
    $high = ord($char[0]);
    $low  = ord($char[1]);
    $zone = $high - 0xA0; // 1-94
    $pos  = $low - 0xA0;  // 1-94
    $gbCode = $zone * 100 + $pos; // 區位碼 101-9494
    
    // 區位碼轉拼音首字母對照表 (依 GB2312 一級漢字排序)
    // 來源: 標準 GB2312 拼音排序區間
    static $pinyinRanges = [
        ['A', 1601, 1636],   // 啊-安
        ['B', 1637, 1832],   // 八-彙
        ['C', 1833, 2077],   // 才-錯
        ['D', 2078, 2272],   // 搭-動
        ['E', 2273, 2301],   // 俄-餓
        ['F', 2302, 2432],   // 發-服
        ['G', 2433, 2593],   // 改-滾
        ['H', 2594, 2786],   // 孩-貨
        ['J', 2787, 3105],   // 機-鏡
        ['K', 3106, 3211],   // 開-礦
        ['L', 3212, 3471],   // 來-淚
        ['M', 3472, 3634],   // 媽-妹
        ['N', 3635, 3721],   // 那-奴
        ['O', 3722, 3729],   // 歐-區
        ['P', 3730, 3857],   // 爬-仆
        ['Q', 3858, 4026],   // 期-全
        ['R', 4027, 4036],   // 然-熔
        ['S', 4037, 4217],   // 掃-絲
        ['T', 4218, 4357],   // 塌-酗
        ['W', 4358, 4441],   // 瓦-烏
        ['X', 4442, 4606],   // 希-敘
        ['Y', 4607, 4728],   // 衣-軸
        ['Z', 4729, 4879],   // 咱-總
    ];
    
    foreach ($pinyinRanges as [$letter, $start, $end]) {
        if ($gbCode >= $start && $gbCode <= $end) {
            return $letter;
        }
    }
    return '*'; // 罕用字、擴展區字元
}

/**
 * 獲取字串首字母縮寫 (每個漢字取首字母)
 * @param string $str UTF-8 字串
 * @return string 如 "北京市" → "BJS"
 */
function getPinyinAbbr(string $str): string {
    $gbStr = iconv('UTF-8', 'GB2312//IGNORE', $str);
    $len = strlen($gbStr);
    $result = '';
    
    for ($i = 0; $i < $len; $i++) {
        $ord = ord($gbStr[$i]);
        if ($ord >= 0xB0) { // 漢字雙位元組
            if ($i + 1 < $len) {
                $char = $gbStr[$i] . $gbStr[$i + 1];
                $result .= getFirstLetterGB($char);
                $i++; // 跳過低位元組
            }
        } else { // ASCII
            $result .= strtoupper($gbStr[$i]);
        }
    }
    return $result;
}

// 測試
echo getPinyinAbbr('北京市'); // BJS
echo getPinyinAbbr('長沙');   // CS
echo getPinyinAbbr('重慶');   // ZQ (多音字 '重' 只能取最常見 zhòng→Z)
?>

關鍵缺陷與多音字問題

問題	影響	例子
多音字單一映射	「重」只映射 Z (zhòng)，無法處理 chóng (C)	重慶, 重複, 重量
依賴 GB2312 編碼	UTF-8 環境需轉碼，效能損耗；不支援 GB2312 外字元 (如 😀、生僻字)	Emoji、港台慣用字
無法處理姓名/地址慣用讀音	「單」姓讀 Shàn 非 Dān，「曾」姓讀 Zēng 非 Céng	單田芳、曾國藩
效能瓶頸	逐字轉碼 + 線性查找區間，長字串效能差	批次處理萬筆資料

現代解決方案：Composer 套件推薦

1. overtrue/pinyin (最流行，支援多音字、分詞、姓名模式)

composer require overtrue/pinyin

<?php
use Overtrue\Pinyin\Pinyin;

$pinyin = new Pinyin();

// 基礎用法
echo $pinyin->permalink('帶著希望去旅行'); // dai-zhe-xi-wang-qu-lv-xing
echo $pinyin->abbr('北京市'); // BJS
echo $pinyin->sentence('重慶市'); // ['chong', 'qing', 'shi']

// 多音字處理
echo $pinyin->permalink('重複'); // chong-fu (預設常用讀音)
echo $pinyin->permalink('重複', '', true); // zhong-fu (啟用多音字模式，返回陣列)

// 姓名模式 (姓氏優先特殊讀音)
echo $pinyin->name('單田芳'); // ['shan', 'tian', 'fang']
echo $pinyin->name('曾國藩'); // ['zeng', 'guo', 'fan']

// 自定義詞典
$pinyin->addDictionary([
    '我的專有名詞' => 'wo-de-zhuan-you-ming-ci',
]);
?>

2. janez/pinyin (輕量、無依賴、支援拼音數字標調)

composer require janez/pinyin

<?php
use Janez\Pinyin\Pinyin;

$pinyin = new Pinyin();
echo $pinyin->getFirstLetters('北京'); // BJ
echo $pinyin->getPinyin('北京'); // bei3 jing1 (帶聲調數字)
echo $pinyin->getPinyin('北京', Pinyin::TONE_MARKS); // běi jīng (Unicode 聲調符號)
?>

3. symfony/string (Symfony 組件，整合 Slugger、Inflector)

composer require symfony/string

<?php
use Symfony\Component\String\Slugger\AsciiSlugger;

$slugger = new AsciiSlugger();
echo $slugger->slug('中文標題')->lower(); // zhong-wen-biao-ti
// 內建支援中文、日文、韓文、越南文等
?>

效能優化策略：大批量資料處理

1. 快取機制 (Redis/Memcached/APCu)

<?php
function getPinyinCached(string $str, Pinyin $pinyin): string {
    $key = 'pinyin:' . md5($str);
    $cached = apcu_fetch($key);
    if ($cached !== false) return $cached;
    
    $result = $pinyin->abbr($str);
    apcu_store($key, $result, 86400); // 快取 1 天
    return $result;
}

2. 資料庫層面計算 (MySQL Generated Column / Trigger)

-- MySQL 8.0+ 虛擬欄位 (不佔儲存空間，查詢時即時計算)
ALTER TABLE `cities` 
ADD COLUMN `pinyin_abbr` VARCHAR(50) 
GENERATED ALWAYS AS (UPPER(SUBSTRING(`name`, 1, 1))) VIRTUAL; -- 簡易版，實際需自定義函數

-- 或使用 Trigger 寫入實體欄位 (支援索引)
CREATE TRIGGER `trg_city_pinyin` BEFORE INSERT ON `cities`
FOR EACH ROW BEGIN
    SET NEW.pinyin_abbr = get_pinyin_abbr(NEW.name); -- 需建立 UDF 或存儲函數
END;

3. 批次處理最佳化

<?php
// 錯誤：迴圈中逐筆轉碼 + 查詢 (極慢)
foreach ($cities as $city) {
    $city->pinyin = getPinyinAbbr($city->name);
}

// 正確：一次性取得所有名稱，批次轉換
$names = array_column($cities, 'name');
$pinyinMap = [];
foreach ($names as $name) {
    $pinyinMap[$name] = $pinyin->abbr($name); // 利用快取
}
foreach ($cities as &$city) {
    $city->pinyin = $pinyinMap[$city->name];
}

資料庫索引與搜尋應用

-- 建立首字母索引，支援 "WHERE pinyin_abbr LIKE 'BJ%'"
ALTER TABLE `users` ADD INDEX `idx_pinyin_abbr` (`pinyin_abbr`);

-- 查詢：輸入 "bj" 找出所有北京相關
SELECT * FROM `users` WHERE `pinyin_abbr` LIKE 'BJ%';

-- 通訊錄分組：SELECT SUBSTRING(pinyin_abbr,1,1) AS initial, COUNT(*) FROM users GROUP BY initial;

結語

中文首字母轉換看似簡單，實則涉及編碼轉換、多音字消歧、姓名慣用讀音、生僻字支援、效能優化等複雜議題。強烈建議棄用手寫 GB2312 對照表，改用 overtrue/pinyin 等成熟套件，內建完整詞庫、多音字策略、姓名模式、分詞支援，並持續維護更新。配合 APCu/Redis 快取、資料庫 Generated Column/Trigger 預計算、批次處理最佳化，即可滿足千萬級資料的高效能拼音索引需求。對於特殊業務 (如醫學術語、方言地名)，可擴充自定義詞典覆寫預設讀音。