为什么在natsort/strnatcmp/strnatcasecmp中忽略空格？

Question

我strnatcmp在比较函数中用于对表中的人名进行排序.对于我们的比利时客户,我们得到了一些奇怪的结果.他们的名字有'Van der Broecke'和'Vander Veere',然后strnatcasecmp("Van der", "Vander")回归0!

由于自然比较的目的是按照人类的意愿进行排序,我不明白为什么空间被完全忽视.

例如:

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

print_r($names);

得到:

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 
)

但人类会说:

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 
)

我现在的解决方案是用正确处理的下划线替换所有空格.两个问题:为什么natsort这样做？有更好的解决方案吗？

Answer 1

如果您查看源代码，您实际上可以看到这一点，这绝对看起来像一个错误： http://gcov.php.net/PHP_5_3/lcov_html/ext/standard/strnatcmp.c.gcov.php（向下滚动到行130）：

 //inside a while loop...

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

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

请注意，这是 5.3 的链接，但 5.5 中仍然存在相同的代码（http://gcov.php.net/PHP_5_5/lcov_html/ext/standard/strnatcmp.c.gcov.php）诚然，我对 C 的了解是有限的，但是，如果当前字符是空格，这基本上似乎是在每个字符串上推进指针，本质上忽略排序中的该字符。该注释暗示只有当空格连续时才会这样做；然而，没有检查来确保前一个字符实际上是一个空格。那需要类似的东西

//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));

真正了解 C 的人可能会写得更好，但这是一般的想法。

另一个可能有趣的说明是，对于您的示例，如果您使用 PHP >= 5.4，这会给出与 Aaron Saray 提到的 usort 相同的结果（它也会丢失键/值关联）：

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
)