Sql Server数据库汉字按字母、笔划、拼音首字母、排序
sql server的排序规则平时使用不是很多,也许不少初学者还比较陌生,但有 一个错误大家应是经常碰到: sql server数据库,在跨库多表连接查询时,若两数据 库默认字符集不同,系统就会返回这样的错误: “无法解决 equal to 操作的排序规则冲突。” 一.错误分析: 这个错误是因为排序规则不一致造成的,我们做个测试,比如: create table #t1(name varchar(20) collate albanian_ci_ai_ws, value int) create table #t2(name varchar(20) collate chinese_prc_ci_ai_ws, value int ) 表建好后,执行连接查询: select * from #t1 a inner join #t2 b on a.name=b.name 这样,错误就出现了: 服务器: 消息 446,级别 16,状态 9,行 1 无法解决 equal to 操作的排序规则冲突。 要排除这个错误,最简单方法是,表连接时指定它的排序规则,这样错误就不再出现了。语句这样写: select * from #t1 a inner join #t2 b on a.name=b.name collate chinese_prc_ci_ai_ws 二.排序规则简介: 什么叫排序规则呢?ms是这样描述的:"在 microsoft sql server 2000 中, 字符串的物理存储由排序规则控制。排序规则指定表示每个字符的位模式以及存 储和比较字符所使用的规则。" 在查询分析器内执行下面语句,可以得到sql server支持的所有排序规则。 select * from ::fn_helpcollations() 排序规则名称由两部份构成,前半部份是指本排序规则所支持的字符集。 如: chinese_prc_cs_ai_ws 前半部份:指unicode字符集,chinese_prc_指针对大陆简体字unicode的排序规则。 排序规则的后半部份即后缀 含义: _bin 二进制排序 _ci(cs) 是否区分大小写,ci不区分,cs区分 _ai(as) 是否区分重音,ai不区分,as区分 _ki(ks) 是否区分假名类型,ki不区分,ks区分 _wi(ws) 是否区分宽度 wi不区分,ws区分 区分大小写:如果想让比较将大写字母和小写字母视为不等,请选择该选项。 区分重音:如果想让比较将重音和非重音字母视为不等,请选择该选项。如果选择该选项, 比较还将重音不同的字母视为不等。 区分假名:如果想让比较将片假名和平假名日语音节视为不等,请选择该选项。 区分宽度:如果想让比较将半角字符和全角字符视为不等,请选择该选项 三.排序规则的应用: sql server提供了大量的windows和sqlserver专用的排序规则,但它的应用往往 被开发人员所忽略。其实它在实践中大有用处。 例1:让表name列的内容按拼音排序: create table #t(id int,name varchar(20)) insert #t select 1,中 union all select 2,国 union all select 3,人 union all select 4,阿 select * from #t order by name collate chinese_prc_cs_as_ks_ws drop table #t /*结果: id name ----------- -------------------- 4 阿 2 国 3 人 1 中 */ 例2:让表name列的内容按姓氏笔划排序: create table #t(id int,name varchar(20)) insert #t select 1,三 union all select 2,乙 union all select 3,二 union all select 4,一 union all select 5,十 select * from #t order by name collate chinese_prc_stroke_cs_as_ks_ws drop table #t /*结果: id name ----------- -------------------- 4 一 2 乙 3 二 5 十 1 三 */ 四.在实践中排序规则应用的扩展 sql server汉字排序规则可以按拼音、笔划等排序,那么我们如何利用这种功能 来处理汉字的一些难题呢?我现在举个例子: 用排序规则的特性计算汉字笔划 要计算汉字笔划,我们得先做准备工作,我们知道,windows多国汉字,unicode目前 收录汉字共20902个。简体gbk码汉字unicode值从19968开始。 首先,我们先用sqlserver方法得到所有汉字,不用字典,我们简单利用sql语句就 可以得到: select top 20902 code=identity(int,19968,1) into #t from syscolumns a,syscolumns b 再用以下语句,我们就得到所有汉字,它是按unicode值排序的: select code,nchar(code) as cnword from #t 然后,我们用select语句,让它按笔划排序。 select code,nchar(code) as cnword from #t order by nchar(code) collate chinese_prc_stroke_cs_as_ks_ws,code 结果: code cnword ----------- ------ 19968 一 20008 丨 20022 丶 20031 丿 20032 乀 20033 乁 20057 乙 20058 乚 20059 乛 20101 亅 19969 丁 .......... 从上面的结果,我们可以清楚的看到,一笔的汉字,code是从19968到20101,从小到大排,但到 了二笔汉字的第一个字“丁”,code为19969,就不按顺序而重新开始了。有了这结果,我们就可以轻 松的用sql语句得到每种笔划汉字归类的第一个或最后一个汉字。 下面用语句得到最后一个汉字: create table #t1(id int identity,code int,cnword nvarchar(2)) insert #t1(code,cnword) select code,nchar(code) as cnword from #t order by nchar(code) collate chinese_prc_stroke_cs_as_ks_ws,code select a.cnword from #t1 a left join #t1 b on a.id=b.id-1 and a.code<b.code where b.code is null order by a.id 得到36个汉字,每个汉字都是每种笔划数按chinese_prc_stroke_cs_as_ks_ws排序规则排序后的 最后一个汉字: 亅阝马风龙齐龟齿鸩龀龛龂龆龈龊龍龠龎龐龑龡龢龝齹龣龥齈龞麷鸞麣龖龗齾齉龘 上面可以看出:“亅”是所有一笔汉字排序后的最后一个字,“阝”是所有二笔汉字排序后的最后 一个字......等等。 但同时也发现,从第33个汉字“龗(33笔)”后面的笔划有些乱,不正确。但没关系,比“龗”笔划 多的只有四个汉字,我们手工加上:齾35笔,齉36笔,靐39笔,龘64笔 建汉字笔划表(tab_hzbh): create table tab_hzbh(id int identity,cnword nchar(1)) --先插入前33个汉字 insert tab_hzbh select top 33 a.cnword from #t1 a left join #t1 b on a.id=b.id-1 and a.code<b.code where b.code is null order by a.id --再加最后四个汉字 set identity_insert tab_hzbh on go insert tab_hzbh(id,cnword) select 35,n齾 union all select 36,n齉 union all select 39,n靐 union all select 64,n龘 go set identity_insert tab_hzbh off go 到此为止,我们可以得到结果了,比如我们想得到汉字“国”的笔划: declare @a nchar(1) set @a=国 select top 1 id from tab_hzbh where cnword>=@a collate chinese_prc_stroke_cs_as_ks_ws order by id id ----------- 8 (结果:汉字“国”笔划数为8) 上面所有准备过程,只是为了写下面这个函数,这个函数撇开上面建的所有临时表和固 定表,为了通用和代码转移方便,把表tab_hzbh的内容写在语句内,然后计算用户输入一串 汉字的总笔划: create function fun_getbh(@str nvarchar(4000)) returns int as begin declare @word nchar(1),@n int set @n=0 while len(@str)>0 begin set @word=left(@str,1) --如果非汉字,笔划当0计 set @n=@n+(case when unicode(@word) between 19968 and 19968+20901 then (select top 1 id from ( select 1 as id,n亅 as word union all select 2,n阝 union all select 3,n马 union all select 4,n风 union all select 5,n龙 union all select 6,n齐 union all select 7,n龟 union all select 8,n齿 union all select 9,n鸩 union all select 10,n龀 union all select 11,n龛 union all select 12,n龂 union all select 13,n龆 union all select 14,n龈 union all select 15,n龊 union all select 16,n龍 union all select 17,n龠 union all select 18,n龎 union all select 19,n龐 union all select 20,n龑 union all select 21,n龡 union all select 22,n龢 union all select 23,n龝 union all select 24,n齹 union all select 25,n龣 union all select 26,n龥 union all select 27,n齈 union all select 28,n龞 union all select 29,n麷 union all select 30,n鸞 union all select 31,n麣 union all select 32,n龖 union all select 33,n龗 union all select 35,n齾 union all select 36,n齉 union all select 39,n靐 union all select 64,n龘 ) t where word>=@word collate chinese_prc_stroke_cs_as_ks_ws order by id asc) else 0 end) set @str=right(@str,len(@str)-1) end return @n end --函数调用实例: select dbo.fun_getbh(中华人民共和国),dbo.fun_getbh(中華人民共和國) 执行结果:笔划总数分别为39和46,简繁体都行。 当然,你也可以把上面“union all”内的汉字和笔划改存在固定表内,在汉字 列建clustered index,列排序规则设定为: chinese_prc_stroke_cs_as_ks_ws 这样速度更快。如果你用的是big5码的操作系统,你得另外生成汉字,方法一样。 但有一点要记住:这些汉字是通过sql语句select出来的,不是手工输入的,更不 是查字典得来的,因为新华字典毕竟不同于unicode字符集,查字典的结果会不正 确。 用排序规则的特性得到汉字拼音首字母 用得到笔划总数相同的方法,我们也可以写出求汉字拼音首字母的函数。如下: create function fun_getpy(@str nvarchar(4000)) returns nvarchar(4000) as begin declare @word nchar(1),@py nvarchar(4000) set @py= while len(@str)>0 begin set @word=left(@str,1) --如果非汉字字符,返回原字符 set @py=@py+(case when unicode(@word) between 19968 and 19968+20901 then (select top 1 py from ( select a as py,n驁 as word union all select b,n簿 union all select c,n錯 union all select d,n鵽 union all select e,n樲 union all select f,n鰒 union all select g,n腂 union all select h,n夻 union all select j,n攈 union all select k,n穒 union all select l,n鱳 union all select m,n旀 union all select n,n桛 union all select o,n漚 union all select p,n曝 union all select q,n囕 union all select r,n鶸 union all select s,n蜶 union all select t,n籜 union all select w,n鶩 union all select x,n鑂 union all select y,n韻 union all select z,n咗 ) t where word>=@word collate chinese_prc_cs_as_ks_ws order by py asc) else @word end) set @str=right(@str,len(@str)-1) end return @py end --函数调用实例: select dbo.fun_getpy(中华人民共和国),dbo.fun_getpy(中華人民共和國) 结果都为:zhrmghg 你若有兴趣,也可用相同的方法,扩展为得到汉字全拼的函数,甚至还可以得到全拼的读 音声调,不过全拼分类大多了。得到全拼最好是用对照表,两万多汉字搜索速度很快,用对照 表还可以充分利用表的索引。 排序规则还有很多其它的巧妙用法,限于篇幅在此就不再详细说明。欢迎大家共同探讨。