JavaScript 預設的 sort() 是按 Unicode 碼點排序,直接拿來排中文姓名或詞語,結果會完全亂掉——你會得到「啊、扒、亍」這種順序,而不是拼音順序。要正確排序,得先把每個漢字轉成拼音。
整個方案建立在兩件事上:
1. GB 編碼與 Unicode 的轉換。漢字的 GB2312 編碼順序,恰好大致對應拼音字母順序(這是當年制定編碼時的設計取捨)。所以只要把漢字映射成它的 GB 碼位置,再對應到拼音首字母或音節,就能排序。
2. 數組關聯排序。先把「拼音 + 原字」配成 pair,排序後再取出原字,這是 JavaScript 裡做非字典序排序的通用手法。
完整的 GB2312 編碼表(約六千多個漢字對應的拼音索引)體積龐大,此處不重列,可從作者提供的庫檔載入:https://demo.jb51.net/jslib/qswhGB2312.js。該檔定義了兩個全域變數:strGB 是漢字字串,qswhSpell 則是「拼音,起始索引」交替排列的陣列。
var length = qswhSpell.length;
function getSpell(str) {
var i, c, t, ret = "";
var strLength = str.length;
for (i = 0; i < strLength; i++) {
if (str.charCodeAt(i) >= 0x4e00) {
c = strGB.indexOf(str.charAt(i));
if (c > -1 && c < 3755) {
for (t = length - 1; t > 0; t = t - 2) {
if (qswhSpell[t] <= c) {
break;
}
}
if (t > 0) {
ret += qswhSpell[t - 1];
}
}
} else {
ret += str.slice(i, i + 1);
}
}
return ret.substr(0, ret.length);
}
逐段解讀:
str.charCodeAt(i) >= 0x4e00 用來判斷是否為 CJK 統一漢字區的字元。若不是(英文、數字、標點),直接原樣保留,這正是「中英混排」能運作的原因。
若是漢字,就用 strGB.indexOf() 取得它在字串中的位置 c。接著從 qswhSpell 陣列尾端往前找,找到第一個數值不大於 c 的索引 t,那麼 qswhSpell[t-1] 就是該字對應的拼音。
這個「從後往前找」的迴圈其實是線性搜尋,效率並不理想;實務上可以改成二分搜尋,把每次查詢的比較次數從上千降到十幾次。
var arr = ['阿斯頓', '我發', '啊是v', '倒薩大師', '敖德薩', 'adsa'];
var arr_t = [];
for (i = 0; i < arr.length; i++) {
arr_t[i] = [getSpell(arr[i]), arr[i]];
}
arr_t = arr_t.sort();
for (i = 0; i < arr.length; i++) {
arr[i] = arr_t[i][1];
}
alert(arr);
這裡用了「裝飾—排序—還原」的套路:先給每個項目包上排序鍵,排完再剝掉。之所以不能直接 arr.sort(),是因為我們需要按拼音而非原字比較;之所以不直接傳比較函數,是因為拼音需要預先計算,先算一次比在比較函數裡反覆算划算得多。
執行後,含英文的 '啊是v' 與 'adsa' 也能參與排序,不會被丟掉或排到最後,這就是中英混排的價值。
最大的優點是跨瀏覽器一致:它同時相容 IE 與 Firefox,能實現所有瀏覽器下排序結果的統一。瀏覽器原生的 localeCompare 在不同作業系統與瀏覽器上,中文排序結果並不一致,這套查表法則完全可控。
限制也很清楚:查表只涵蓋 GB2312 的常用字(約六千七百多字),生僻字與繁體字會找不到對應而導致排序位置異常;此外 indexOf 查表本身的效能開銷,在大量資料排序時需要留意。若要處理全 Unicode 範圍,實務上會改用 localeCompare('zh-Hans-CN-u-co-pinyin') 或引入 pinyin-pro 這類專門的轉換庫。