获取中文串的首字母

相关知识储备

GB2312编码范围：A1A1 - FEFE ,其中汉字编码范围：B0A1-F7FE.

GB2312编码是第一个汉字编码国家标准，共收录汉字6763个，其中一级汉字3755个，二级汉字3008个。同时，GB2312编码收录了包括拉丁字母，希腊字母，日文平假名及片假名字母、俄语西里尔字母在内的682个全角字符。

 

分区表示

GB2312 编码对所收录字符进行了“分区”处理，共94个区，每区含有94个位，共8836个码位。这种表示方法也称为区位码。

01-09区收录除汉字外的682个字符。

10-15区位空白区，没有使用。

16-55区收录了3755个一级汉字，按拼音排序。

56-87区收录了3008个二级汉字，按部首/笔画排序。

88-94区为空白区，没有使用。

举例来说，“啊”字是GB2312编码中的第一个汉字，它位于16区的01位，所以它的区位码就是1601

 

双字节编码

GB2312 规定对收录的每个字符采用两个字节表示，第一个字节为 “高字节”，对应94个区；第二个字节为“低字节”，对应94个位。所以它的区位码范围是：0101-9494。 区号和位号分别加上0xA0 就是GB2312编码。

例如最后一个码位是9494，区号和位号分别转换成十六进制是5E5E，0x5E+0xA0＝0xFE，所以该码位的GB2312编码是FEFE。

 

GB2312编码范围：A1A1－FEFE，其中汉字的编码范围为B0A1-F7FE，第一字节0xB0-0xF7（对应区号：16－87），第二个字节0xA1-0xFE（对应位号：01－94）。

 

相关计算

 

区位码、国标码与机内码的转换关系方法：

（1）区位码先转换成十六进制数表示

（2）区位码的十六进制表示）＋2020H＝国标码；
（3）国标码＋8080H＝机内码
举例：以汉字“大”为例,“大”字的区内码为2083
1、区号为20,位号为83
2、将区位号2083转换为十六进制表示为1453H
3、1453H＋2020H＝3473H,得到国标码3473H
4、3473H＋8080H＝B4F3H,得到机内码为B4F3H

 

PHP代码实现

<?php 
    //国标码与区位码转换常量
    $GB_SP_DIFF = 160;
    //存放国标一级汉字不同读音的起始 区位码  
    $secPosValueList = array(1601, 1637, 1833, 2078,2274, 2302, 2433, 2594, 2787, 3106, 3212, 3472, 3635, 3722, 3730, 3858, 4027, 4086, 4390, 4558, 4684, 4925, 5249, 5600);
    //存放国标一级汉字不同读音的起始区位码对应读音  
    $firstLetter = array('a', 'b', 'c', 'd', 'e', 'f','g', 'h', 'j', 'k', 'l', 'm', 'n', 'o', 'p', 'q', 'r', 's', 't', 'w', 'x', 'y', 'z');

    $string = "大家好"; 
    echo $string.'<br/>';
    $string=iconv( "UTF-8", "gb2312//IGNORE" , $string);
    $result = array(); 
    //十进制 
    for($i=0;$i<strlen($string);$i++){ 
        if(ord($string[$i])>127){ 
            $result[] = (ord($string[$i])-$GB_SP_DIFF).''.(ord($string[++$i])-$GB_SP_DIFF); //从十进制 -160 得到区位码
        } 
    } 

    //将区位码转对应的读音
    $str='';
    for($i=0;$i<count($result);$i++){
         $j=getLetter($secPosValueList,$result[$i],count($secPosValueList),0);
         $str.=$firstLetter[$j];
    }
    echo '首字母:'.$str;
    //二分查找
    function getLetter($arr,$val,$hight,$low){
        while($low <= $hight){
            $mid = ceil($low + ($hight - $low) / 2);
            if($arr[$mid] <= $val && $arr[$mid+1] >$val){
                return $mid;
            }elseif($arr[$mid] > $val){
                $hight = $mid -1;
            }else{
                $low = $mid +1;
            }
        }
        return -1;
    }
?>

运行结果：

大家好
首字母:djh