La classe Collator de PHP trie une liste de termes selon chaque langue

usort( $termes, 'strcmp' ) : cette ligne, d’apparence anodine, classe « Étude » après « Zoologie » dans une liste de termes de taxonomie affichée en français. Le problème ne vient ni de WordPress ni de la base de données : strcmp() compare des octets UTF-8 bruts, sans la moindre notion de langue, et le caractère « É », encodé sur plusieurs octets, se retrouve mécaniquement classé après le « Z » d’un seul octet.

Ce billet porte sur le tri effectué côté PHP, une fois la liste de termes déjà récupérée en mémoire, avec la classe Collator de l’extension intl. Il ne traite pas du choix de la collation MySQL ni de la conversion d’une base vers utf8mb4, deux sujets traités séparément et propres au stockage plutôt qu’au tri applicatif.

Pourquoi strcmp ne convient jamais à un tri lisible pour un humain

strcmp(), utilisée par défaut dans un usort() naïf sur un tableau de chaînes, compare deux chaînes octet par octet, dans l’ordre de leur représentation binaire en UTF-8. Ce comportement, parfaitement correct pour un tri strictement binaire ou une comparaison d’égalité, produit un ordre incohérent pour un lecteur humain dès qu’un caractère accentué, cyrillique ou tout autre caractère hors de l’ASCII pur entre dans la comparaison :

$termes = array( 'Étude', 'Zoologie', 'Architecture' );
usort( $termes, 'strcmp' );
// Résultat possible : Architecture, Zoologie, Étude
// « É », multi-octets en UTF-8, se classe après « Z » en comparaison d'octets bruts

Instancier un Collator pour une locale précise

L’extension intl de PHP, généralement disponible sur les hébergements récents, fournit la classe Collator, qui applique les règles de tri Unicode propres à une locale donnée plutôt qu’une simple comparaison d’octets. Sa méthode sort() réordonne directement un tableau de chaînes :

$collator = new Collator( 'fr_FR' );
$termes   = array( 'Étude', 'Zoologie', 'Architecture' );
$collator->sort( $termes );
// Résultat : Architecture, Étude, Zoologie

Trier une liste de termes WordPress avec Collator

Appliqué à une liste de termes récupérée via get_terms(), le tri se fait sur la propriété name de chaque objet WP_Term, en s’appuyant sur usort() combiné à la méthode compare() du Collator, qui retourne un entier négatif, nul ou positif comme strcmp(), mais en respectant les règles linguistiques de la locale choisie :

$collator = new Collator( get_locale() );
$termes   = get_terms( array( 'taxonomy' => 'sujet', 'hide_empty' => false ) );

usort( $termes, function ( $terme_a, $terme_b ) use ( $collator ) {
    return $collator->compare( $terme_a->name, $terme_b->name );
} );

Utiliser get_locale() plutôt qu’une locale codée en dur garantit que le tri suit la langue réellement active au moment de l’affichage, sur un site multilingue où plusieurs locales peuvent se succéder au fil des requêtes.

getSortKey : accélérer le tri d’une grande liste

Pour une liste de plusieurs milliers de termes, appeler compare() à chaque comparaison d’un algorithme de tri recalcule les règles de collation à chaque paire comparée. La méthode getSortKey() précalcule, pour chaque chaîne, une clé de tri stable, qui peut ensuite être comparée avec un simple strcmp(), bien plus rapide sur un grand volume :

$collator = new Collator( 'fr_FR' );

$paires = array_map( function ( $terme ) use ( $collator ) {
    return array( 'cle' => $collator->getSortKey( $terme->name ), 'terme' => $terme );
}, $termes );

usort( $paires, function ( $a, $b ) {
    return strcmp( $a['cle'], $b['cle'] );
} );

$termes = array_column( $paires, 'terme' );

Ce que Collator ne résout pas entièrement

• Le russe et la plupart des alphabets cyrilliques bénéficient d’un tri correct avec la locale adaptée, mais certains caractères empruntés à d’autres alphabets slaves restent des cas limites.
• Les kanjis japonais ne possèdent aucun ordre alphabétique intrinsèque : leur tri conventionnel se fait par lecture phonétique ou par nombre de traits, une information que Collator ne déduit pas seul du caractère.
• La disponibilité de l’extension intl doit être vérifiée avec extension_loaded( 'intl' ) avant tout usage, certains hébergements mutualisés ne l’activant pas par défaut.

Un tri qui doit rester lisible pour un humain ne se fait jamais avec une comparaison d’octets bruts : Collator coûte un peu de mise en place, mais reste la seule voie fiable disponible nativement en PHP.

En résumé

Trier une liste de termes récupérée depuis WordPress avec strcmp() classe les caractères accentués ou non latins n’importe où dans le résultat, sans respecter aucune convention linguistique. La classe Collator de l’extension intl, instanciée avec la locale active du site, corrige ce défaut pour la plupart des écritures, et sa méthode getSortKey() permet de garder ce tri rapide même sur une liste de plusieurs milliers de termes.