MySQL 对字符排序，类通讯录

作者: 温暖的纯真 | 来源:发表于2020-04-03 21:38 被阅读0次

MySQL 对字符排序，类通讯录
八、MySQL字符集
MySQL字符排序
如何在mysql中实现自然排序
数据库语言杂记
MySQL学习笔记
字符串排序
如何创建MySql数据库
MySQL 数据类型
第4章 MySQL数据类型

1. 要求

第一层排序：以首字符为标准，【A-Z，特殊符号|数字|emoji】分类，首字符是中文则转声母英文。
第二层排序：大类中如A中的所有字符按GBK编码排序
第三层排序：大写的数字【一二三四五六七八九十】按数字【12345678910】排序

2. 实现

CREATE FUNCTION `getFirstCode`(in_string VARCHAR(255)) RETURNS varchar(255) CHARSET utf8mb4
    DETERMINISTIC
    COMMENT '获取中文首字母函数'
BEGIN

#定义临时字符串变量，用于接收函数中传递进来的字符串值，这里是in_string
DECLARE tmp_str VARCHAR(255) CHARSET gbk DEFAULT '' ; 

#定义临时字符串变量，用于存放函数中传递进来的字符串值的第一个字符
DECLARE tmp_char VARCHAR(2) CHARSET gbk DEFAULT '';

#tmp_str的长度
DECLARE tmp_loc SMALLINT DEFAULT 0;

#初始化，将in_string赋给tmp_str
SET tmp_str = in_string;

#获取tmp_str最左端的首个字符，注意这里是获取首个字符，该字符可能是汉字，也可能不是。
SET tmp_char = LEFT(tmp_str,1);

#获取字符的编码范围的位置，为了确认汉字拼音首字母是那一个，超过按首字母排序的部分，使用第一个GBK内码0xD8A1

SET tmp_loc=INTERVAL(CONV(HEX(tmp_char),16,10),
0xB0A1,0xB0C5,0xB2C1,0xB4EE,0xB6EA,0xB7A2,0xB8C1,0xB9FE,0xBBF7,0xBFA6,0xC0AC,0xC2E8,0xC4C3,0xC5B6,0xC5BE,0xC6DA,0xC8BB,0xC8F6,0xCBFA,0xCDDA ,0xCEF4,0xD1B9,0xD4D1,0xD8A1);

#判断左端首个字符是多字节还是单字节字符，要是多字节则认为是汉字且作以下拼音获取，要是单字节则不处理。
#如果是多字节字符但是不在对应的编码范围之内，即对应的不是大写字母则也不做处理，这样数字或者特殊字符就保持原样了

IF (LENGTH(tmp_char)>1 AND tmp_loc>0 AND tmp_loc<24) THEN
  SELECT ELT(tmp_loc,'A','B','C','D','E','F','G','H','J','K','L','M','N','O','P','Q','R','S','T','W','X','Y','Z','无') INTO tmp_char; #获得汉字拼音首字符
ELSEIF(tmp_loc>=24) THEN
  SELECT left(pinyin,1) INTO tmp_char FROM base_hanzi WHERE hanzi = tmp_char;
END IF;

RETURN tmp_char;#返回汉字拼音首字符
END

需要注意：

GBK编码，是对GB2312编码的扩展，因此完全兼容GB2312-80标准。

GB2312对汉字的编码排序也是按照A-Z的顺序分组编码，只有找到临界值，通过GBK内码（十六进制）与临界值的位置，就可得出声母是'A','B','C','D','E','F','G','H','J','K','L','M','N','O','P','Q','R','S','T','W','X','Y','Z'的哪一个，可是这里有个问题，GB2312只是对部分汉字进行编码，还有很多常见字没有，GBK对此扩展后，是按照其他的编排顺序，使用这个方法计算出的声母，会有错误。

原来汉字的编码只有GB 2312，只包含6763个汉字，GBK完全兼容了GB 2312的内容和顺序，并增加了一万多个汉字，但是顺序是按《康熙字典》的页码/字位排列，那些新增的汉字，编码值都比 D7F9->座（最后一个有这规律的汉字）大，所以都识别成了Z。

在此虚构第24个声母，占位符"无"，然后通过查表的方式，去确定声母，需把相关的对照表存到数据库中如本例中的base_hanzi，然后去查询获取，当然可以全部通过数据表来获取声母（如果中英文对照表足够准确和全面），但是考虑到性能问题当不属于规则范围内的汉字再去数据表中查询。
中文转为声母字符后，就可以和英文混合排序了。如下sql：

-- 拼音z排序最后的汉字:糳 utf8编码为 \xe7\xb3\xb3(即0xe7b3b3),gbk编码为BC64
-- 0x41 即十进制65 大写字母A
 -- 0xf09f9880 表示 emoji 表情😀
SELECT str_name,
convert(
  UNHEX(
    CASE
       WHEN HEX(LEFT(str_name, 1)) < HEX(0x41)
       THEN HEX(0xe7b3b3) -- 如果是少于英文字母编码则转换对应的汉字 "糳"
       WHEN LEFT(str_name, 1) >= 0xf09f9880
       THEN HEX(0xe7b3b3)  --将emoji表情转换对应的汉字 "糳"
       WHEN HEX(LEFT(str_name, 1)) > HEX("z")
       THEN HEX(getFirstCode(str_name)) -- 汉字获取声母
       ELSE HEX(LEFT(str_name,1))
    END
  )
  USING utf8
) 
as HanZi

from test_name
ORDER BY
CONVERT(HanZi USING GBK) ASC, -- 实现首字母英文|数字|字符|emoji
CONVERT(replaceNumber(str_name) USING GBK) COLLATE gbk_chinese_ci  -- 其他位数按照GBK排序
;

对于【一二三四五六七八九十】在GBK的排序中，是按声母的英文字母表的顺序，此处，写一个函数去特殊处理，转换成【123456789a】，就可以有数字的顺序了。

CREATE  FUNCTION `replaceNumber`(in_string VARCHAR(255)) RETURNS varchar(255) CHARSET utf8mb4
BEGIN

    DECLARE tmp_char VARCHAR(255) DEFAULT '';
    SET tmp_char = in_string;
  
  IF(tmp_char REGEXP '[一二三四五六七八九十]+') THEN
     SELECT REPLACE(REPLACE(REPLACE(REPLACE(REPLACE(REPLACE(REPLACE(REPLACE(REPLACE(REPLACE(
        tmp_char, '一','1'), '二','2'), '三','3'), '四','4'), '五','5'), '六','6'), '七','7'), '八','8'), '九','9'), '十','a')
     INTO tmp_char;
  END IF;

    RETURN tmp_char;

END