PHP Collator 怎样生成可重复比较的排序键

如果一组 PHP 数据需要按自然语言规则反复排序，直接在每次比较时调用 Collator::compare() 往往不够经济。更适合的做法是先固定 locale 和比较强度，再用 Collator::getSortKey() 为每个字符串生成排序键，最后比较这些键。

这里的“可重复”有明确边界：只要 Collator 的配置和运行环境保持一致，同一字符串会进入同一套比较规则；排序键本身是 ICU 相关的实现数据，不应当当作跨 ICU 版本永久有效的通用编码。

先固定一份 Collator 配置

Collator 面向的是 locale-sensitive 的 Unicode 字符串比较。不要在排序回调里临时创建对象，也不要让同一批数据混用不同 locale。下面以英文排序为例，并把强度设为 PRIMARY，表示主要关注基础字符差异。

setStrength(Collator::PRIMARY);

// PRIMARY 会弱化重音和大小写等次级差异，具体效果仍取决于 locale。
$names = ['Séan', 'Sean', 'Sofia'];
?>

强度不是装饰性选项。改成 TERTIARY 后，大小写和更多字符变体可能参与比较；因此，生成排序键之前就要把这一选择固定下来。否则，同一份缓存数据可能对应不同的排序语义。

用 getSortKey() 生成可直接比较的键

getSortKey() 接收一个字符串，返回 collation key；官方文档明确说明，排序键可以直接比较字符串，但它们是实现相关的。调用时首先要严格判断 === false，不要用宽松的真假判断吞掉失败。

getSortKey($value);

    // 文档允许失败时返回 false，必须用全等判断，避免误判有效二进制值。
    if ($key === false) {
        $message = $collator->getErrorMessage();
        throw new RuntimeException('生成排序键失败：' . ($message ?: '未知错误'));
    }

    return $key;
}

$key = makeSortKey($collator, 'Séan');
// 需要记录时转成十六进制，避免把不可见字节直接写进日志。
echo bin2hex($key), PHP_EOL;
?>

注意，getSortKey() 的失败返回值是 false，而有效键是字符串。由于字符串也可能在某些上下文中被当作假值，判断失败必须使用全等运算符。

把排序键和业务记录一起缓存

排序键真正有价值的场景，是同一批记录会被多次排序、分页或比较。可以在进入排序层时生成一次，并把键放到内部字段中。内部字段只服务排序，不要把它误当作展示字段或持久化协议。

 'Séan', 'score' => 91],
    ['name' => 'Sean', 'score' => 88],
    ['name' => 'Sofia', 'score' => 95],
];

foreach ($records as $index => $record) {
    // 先生成一次；失败立即中止，避免部分记录带键、部分记录没键。
    $records[$index]['_sort_key'] = makeSortKey($collator, $record['name']);
    // 原始下标可作为最后的稳定兜底，不参与语言规则本身。
    $records[$index]['_input_order'] = $index;
}
?>

如果业务允许跳过异常记录，也要明确记录失败原因；不要用空字符串替代失败键，因为空键会被当成一条合法的排序数据，最终难以追查。

用 strcmp() 比较排序键

排序键是二进制字符串，比较时可以用 strcmp() 得到小于零、等于零或大于零的结果，再交给 usort()。对于排序键相同的记录，可以用原始输入顺序做稳定兜底。

 $right['_input_order']);
});

foreach ($records as $record) {
    echo $record['name'], PHP_EOL;
}
?>

这段代码的“可重复”来自三层约束：所有记录使用同一个 Collator，所有键在同一配置下生成，键相等时还有明确的兜底顺序。它并不意味着每个 locale 都会得到英语用户习惯的排序，也不意味着排序键可以跨环境直接复用。

不要把排序键当成永久数据

官方手册特别提醒，排序键是 implementation specific，并且可能在 ICU 库版本变化后改变。因此，适合把它放在请求级缓存、进程内缓存或带环境指纹的派生缓存中；如果写入长期存储，就同时保存 locale、strength 和 ICU 版本信息。

如果只是偶尔比较两项，直接调用 $collator->compare($a, $b) 更简单；只有在比较次数较多、同一字符串会重复参与排序，或需要把排序阶段与数据准备阶段分开时，预生成排序键才值得引入。

常见问题

排序键能不能直接保存到数据库？

可以保存，但应把它视为带环境条件的派生值，同时记录 locale、比较强度和 ICU 版本。环境升级后不要假设旧键仍然兼容。

为什么不直接对排序键使用大于号？

为了让回调返回值语义清楚，使用 strcmp() 更直观，也能明确表达三态比较结果。不要把二进制键转成普通文本后再做业务层清洗。

getSortKey() 返回 false 时怎么办？

用 === false 判断，然后读取 getErrorMessage()；根据业务选择抛出异常、记录失败并跳过，或终止本批排序，不能静默生成空键。

什么情况下直接用 compare()？

比较次数少、没有重复排序、或不希望维护派生缓存时，compare() 足够。排序键主要解决重复比较带来的调用成本和职责分离问题。

小结

PHP Collator 的排序键生成流程可以压缩成四句话：先固定 locale 和 strength，再用 getSortKey() 生成键；严格检查 false；用 strcmp() 比较并在相等时稳定兜底；最后把 ICU 和配置变化视为缓存失效条件。这样得到的是同一运行条件下可重复的比较结果，而不是跨版本永久不变的编码。