Sql Server資料庫漢字按字母、筆劃、拼音首字母、排序

sql　server的定序平時使用不是很多，也許不少初學者還比較陌生，但有
一個錯誤大家應是經常碰到: sql server資料庫，在跨庫多表串連查詢時，若兩資料
庫預設字元集不同，系統就會返回這樣的錯誤：
      
           “無法解決 equal to 操作的定序衝突。”

一.錯誤分析：
　　這個錯誤是因為定序不一致造成的，我們做個測試，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 )

表建好後，執行串連查詢：

select * from #t1 a inner join #t2 b on a.name=b.name

這樣，錯誤就出現了：

           伺服器: 訊息 446，層級 16，狀態 9，行 1
           無法解決 equal to 操作的定序衝突。
　　    要排除這個錯誤，最簡單方法是，表串連時指定它的定序，這樣錯誤就不再出現了。語句這樣寫：

select * from #t1 a inner join #t2 b on a.name=b.name collate chinese_prc_ci_ai_ws

二.定序簡介：

    什麼叫定序呢？ms是這樣描述的："在 microsoft sql server 2000 中，
字串的實體儲存體由定序控制。定序指定表示每個字元的位元模式以及存
儲和比較字元所使用的規則。"
　　在查詢分析器內執行下面語句，可以得到sql　server支援的所有定序。

　　　　select * from ::fn_helpcollations()

定序名稱由兩部份構成，前半部份是指本定序所支援的字元集。
如：
　　chinese_prc_cs_ai_ws
前半部份：指unicode字元集，chinese_prc_指標對大陸簡體字unicode的定序。
定序的後半部份即尾碼 含義：
　　_bin 二進位排序
　　_ci(cs) 是否區分大小寫，ci不區分，cs區分
　　_ai(as) 是否區分重音，ai不區分，as區分　　　
　　_ki(ks) 是否區分假名類型,ki不區分，ks區分　
    _wi(ws) 是否區分寬度 wi不區分，ws區分　

區分大小寫:如果想讓比較將大寫字母和小寫字母視為不等，請選擇該選項。
區分重音:如果想讓比較將重音和非重音字母視為不等，請選擇該選項。如果選擇該選項，
         比較還將重音不同的字母視為不等。
區分假名:如果想讓比較將片假名和平假名日語音節視為不等，請選擇該選項。
區分寬度:如果想讓比較將半形字元和全形字元視為不等，請選擇該選項

 
三.定序的應用：
　　sql server提供了大量的windows和sqlserver專用的定序，但它的應用往往
被開發人員所忽略。其實它在實踐中大有用處。

　　例1:讓表name列的內容按拼音排序：

create table #t(id int,name varchar(20))
insert #t select 1,中
union all select 2,國
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
/*結果：
id          name                
----------- --------------------
4           阿
2           國
3           人
1           中
*/

　　例2：讓表name列的內容按姓氏筆劃排序：

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
/*結果：
id          name                
----------- --------------------
4           一
2           乙
3           二
5           十
1           三
*/

四.在實踐中定序應用的擴充
　　sql server漢字定序可以按拼音、筆劃等排序，那麼我們如何利用這種功能
來處理漢字的一些難題呢？我現在舉個例子：

　　　　　　　　　　用定序的特性計算漢字筆劃

　　要計算漢字筆劃，我們得先做準備工作，我們知道，windows多國漢字，unicode目前
收錄漢字共20902個。簡體gbk碼漢字unicode值從19968開始。
　　首先，我們先用sqlserver方法得到所有漢字，不用字典，我們簡單利用sql語句就
可以得到：

select top 20902 code=identity(int,19968,1) into #t from syscolumns a,syscolumns b

再用以下語句，我們就得到所有漢字，它是按unicode值排序的：

　　select code,nchar(code) as cnword from #t

　　然後，我們用select語句，讓它按筆劃排序。

select code,nchar(code) as cnword
from #t
order by nchar(code) collate chinese_prc_stroke_cs_as_ks_ws,code

結果：
code        cnword
----------- ------
19968       一
20008       丨
20022       丶
20031       丿
20032       乀
20033       乁
20057       乙
20058       乚
20059       乛
20101       亅
19969       丁
..........

　  從上面的結果，我們可以清楚的看到，一筆的漢字，code是從19968到20101，從小到大排，但到
了二筆漢字的第一個字“丁”，code為19969，就不按順序而重新開始了。有了這結果，我們就可以輕
松的用sql語句得到每種筆劃漢字歸類的第一個或最後一個漢字。
下面用語句得到最後一個漢字：

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個漢字，每個漢字都是每種筆劃數按chinese_prc_stroke_cs_as_ks_ws定序排序後的
最後一個漢字：

亅阝馬風龍齊龜齒鴆齔龕齗齠齦齪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”是所有一筆漢字排序後的最後一個字，“阝”是所有二筆漢字排序後的最後
一個字......等等。
　　但同時也發現，從第33個漢字“龗(33筆)”後面的筆劃有些亂，不正確。但沒關係，比“龗”筆劃
多的只有四個漢字，我們手工加上：齾35筆，齉36筆，靐39筆，龘64筆

建漢字筆劃表（tab_hzbh）：
create table tab_hzbh(id int identity,cnword nchar(1))
--先插入前33個漢字
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
--再加最後四個漢字
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

　　到此為止，我們可以得到結果了，比如我們想得到漢字“國”的筆劃：

declare @a nchar(1)
set @a=國
select top 1 id
from  tab_hzbh
where cnword>=@a collate chinese_prc_stroke_cs_as_ks_ws
order by id

id         
-----------
8
(結果：漢字“國”筆劃數為8)

　　上面所有準備過程，只是為了寫下面這個函數，這個函數撇開上面建的所有暫存資料表和固
定表，為了通用和代碼轉移方便，把表tab_hzbh的內容寫在語句內，然後計算使用者輸入一串
漢字的總筆劃：

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)
--如果非漢字，筆劃當0計
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馬
union all select 4,n風
union all select 5,n龍
union all select 6,n齊
union all select 7,n龜
union all select 8,n齒
union all select 9,n鴆
union all select 10,n齔
union all select 11,n龕
union all select 12,n齗
union all select 13,n齠
union all select 14,n齦
union all select 15,n齪
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

--函數調用執行個體：
select dbo.fun_getbh(中華人民共和國),dbo.fun_getbh(中華人民共和國)
　
　　執行結果：筆劃總數分別為39和46，簡繁體都行。

    當然，你也可以把上面“union　all”內的漢字和筆劃改存在固定表內，在漢字
列建clustered index，列定序設定為：
　　　 chinese_prc_stroke_cs_as_ks_ws
這樣速度更快。如果你用的是big5碼的作業系統，你得另外產生漢字，方法一樣。
但有一點要記住：這些漢字是通過sql語句select出來的，不是手工輸入的，更不
是查字典得來的，因為新華字典畢竟不同於unicode字元集，查字典的結果會不正
確。

　　
          　　　　用定序的特性得到漢字拼音首字母

　　用得到筆劃總數相同的方法，我們也可以寫出求漢字拼音首字母的函數。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)
--如果非漢字字元，返回原字元
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

--函數調用執行個體：
select dbo.fun_getpy(中華人民共和國),dbo.fun_getpy(中華人民共和國)
結果都為：zhrmghg