爲什麼在natsort/strnatcmp/strnatcasecmp中忽略空格？

我在我的比較函數中使用strnatcmp來排序表中的人名。對於我們的比利時客戶，我們得到了一些奇怪的結果。他們有'範德布勒克'和'範德維爾'的名字，並且strnatcasecmp("Van der", "Vander")返回0！由於自然比較的目的是將人類排序，所以我不明白爲什麼這些空間完全被忽視。爲什麼在natsort/strnatcmp/strnatcasecmp中忽略空格？

如：

$names = array("Van de broecke", "Vander Veere", "Vande Muizen", "Vander Zoeker", "Van der Programma", "vande Huizen", "vande Kluizen", "vander Muizen", "Van der Luizen"); 
natcasesort($names); 

print_r($names);

給出：

Array ( 
[0] => Van de broecke 
[5] => vande Huizen 
[6] => vande Kluizen 
[2] => Vande Muizen 
[8] => Van der Luizen 
[7] => vander Muizen 
[4] => Van der Programma 
[1] => Vander Veere 
[3] => Vander Zoeker 
)

但人會說：

Array ( 
[0] => Van de broecke 
[4] => Van der Programma 
[8] => Van der Luizen 
[5] => vande Huizen 
[6] => vande Kluizen 
[2] => Vande Muizen 
[7] => vander Muizen 
[1] => Vander Veere 
[3] => Vander Zoeker 
)

我的解決辦法，現在是更換用下劃線的所有空間，這得到妥善處理。兩個問題：爲什麼natsort這樣工作？有更好的解決方案嗎？

來源

2013-08-16 Spork

據我瞭解，'natsort'用數字爲人類做排序的字符串，它不如果沒有數字，則排序正確 – baldrs

@Baldrs No. PHP.net：「該函數實現了一種排序算法，該算法按照人類的方式對字母數字字符串進行排序，同時保持鍵/值關聯。」 – Spork

關鍵短語是**字母數字字符串**。 – baldrs

如果您在源代碼中查找你可以看到這一點，這肯定似乎是一個錯誤： http://gcov.php.net/PHP_5_3/lcov_html/ext/standard/strnatcmp.c.gcov.php（向下滾動到線130）：

//inside a while loop... 

/* Skip consecutive whitespace */ 
while (isspace((int)(unsigned char)ca)) { 
     ca = *++ap; 
} 

while (isspace((int)(unsigned char)cb)) { 
     cb = *++bp; 
}

注意，這是一個鏈接到5.3，但相同的代碼仍然存在於5.5（http://gcov.php.net/PHP_5_5/lcov_html/ext/standard/strnatcmp.c.gcov.php）不可否認，我對C語言的瞭解是有限的，但是如果當前字符是空格，基本上忽略了該字符，這基本上看起來是推進了每個字符串上的指針。該評論意味着只有在空格爲連續時才這樣做;然而，沒有檢查來確保先前的字符實際上是第一個空格。這需要類似

//declare these outside the loop 
short prevAIsSpace = 0; 
short prevBIsSpace = 0; 

//....in the loop 
while (prevAIsSpace && isspace((int)(unsigned char)ca)) { 
    //won't get here the first time since prevAIsSpace == 0 
    ca = *++ap; 
} 
//now if the character is a space, flag it for the next iteration 
prevAIsSpace = isspace((int)(unsigned char)ca)); 
//repeat with string b 
while (prevBIsSpace && isspace((int)(unsigned char)cb)) { 
    cb = *++bp; 
} 
prevBIsSpace = isspace((int)(unsigned char)cb));

有人誰真正知道C可能可以寫得更好，但這是一般的想法。

在另一個有趣的筆記上，例如，如果您使用PHP> = 5。4，這給了相同的結果亞倫薩拉伊提到的usort（它失去了鍵/值協會以及）：

sort($names, SORT_FLAG_CASE | SORT_STRING); 

print_r($names); 
Array ( 
    [0] => Van de broecke 
    [1] => Van der Luizen 
    [2] => Van der Programma 
    [3] => vande Huizen 
    [4] => vande Kluizen 
    [5] => Vande Muizen 
    [6] => vander Muizen 
    [7] => Vander Veere 
    [8] => Vander Zoeker 
)

來源

2013-08-24 23:35:43 ChicagoRedSox

非常有趣！對不起，我忽略了這個問題一段時間 - 我退出了一段循環。 – Spork

謝謝 - 如果這是你正在尋找你會介意接受答案？ – ChicagoRedSox

看看bugs.php.net＃26412（natsort（）將多個空間壓縮到1個空間）。顯然，這種行爲是如此「aa」，「a」和「a」（注意2個空格）不排序爲相同的字符串。

來源

2013-08-21 17:15:27

2003年的一個未被接受的錯誤報告！ :)但事實上，它是相同的核心問題。但我不明白你爲什麼會這樣做的結論。他們似乎做了與我相反的事情：排序aa，a和a相同，後兩者完全相同，前者更接近a而不是ab。它是更加Kolmogorovian複雜增加一個空間和一個字符... 我仍然困惑 – Spork

像其他答案/評論者所說，這是一個已知的問題。但是，您可以使用usort（）編寫自己的排序。請試試這個，看看它的工作原理：

usort($names2, function($first, $second) { 
    if ($first == $second) { 
     return 0; 
    } 
    else { 
     return (strtolower($first) < strtolower($second)) ? -1 : 1; 
} 
});

我注意到輸出比你所建議的答案稍有不同：

您建議：

[4] => Van der Programma 
[8] => Van der Luizen

但我敢肯定，這是一個錯字 - 這些應該交換。 :)

來源

2013-08-23 19:32:10

爲什麼在natsort/strnatcmp/strnatcasecmp中忽略空格？

回答

相關問題