Mysql应用mysql汉字字段按拼音排序的方法

《Mysql应用mysql汉字字段按拼音排序的方法》要点：
本文介绍了Mysql应用mysql汉字字段按拼音排序的方法，希望对您有用。如果有疑问，可以联系我们。

MYSQL教程本节内容：
mysql汉字字段按拼音排序

MYSQL教程MySQL使用latin1的默认字符集,对汉字字段直接使用GBK内码的编码进行存储,当需要对一些有汉字的字段进行拼音排序时(特别涉及到类似于名字这样的字段时),默认无法通过order by关键字正确排序.

MYSQL教程针对使用utf8字符集的数据库,主要的办法有：
1)直接转换字段为gbk,比如：
 

MYSQL教程或干脆将相应字段改为gbk字符集.

MYSQL教程在数据库中测试了上面的办法,或直接按字段排序,都不行,主要是排序结果不理想.
 

MYSQL教程2)查表法
创建一个新表,用来存储拼音声母和使用该声母的汉字首字的对应关系.
然后,写一个函数,每次排序时通过转换为gbk再查表的办法得到字段内容首字的声母的办法.

MYSQL教程这个办法也测试过,比较麻烦,而且针对我的数据库,也不能正确排序.

MYSQL教程后来,查询了汉字编码的一些资料,发现GBK内码编码时本身就采用了拼音排序的办法(常用一级汉字3755个采用拼音排序,二级汉字就不是了,但考虑到人名等都是常用汉字,因此只是针对一级汉字能正确排序也够用了).

MYSQL教程根据此原理,直接按字段排序就应该可以的(我的数据库使用Latin1字符集,存的汉字本来就是GBK内码),但我试了以后发现不行.
参考上面办法2的查表法,我把字段内容转换为16进制编码,再排序,就可以了.

MYSQL教程最终的方法：
 

MYSQL教程输出结果,如下图：
 

MYSQL教程附：汉字编码方式简介
ASCII

MYSQL教程    ASCII码是7位编码,编码范围是0x00-0x7F.ASCII字符集包含英文字母、阿拉伯数字和标点符号等字符.其中0x00-0x20和0x7F共33个控制字符.

MYSQL教程    只支持ASCII码的系统会忽略每个字节的最高位,只认为低7位是有效位.HZ字符编码就是早期为了在只支持7位ASCII系统中传输中文而设计的编码.早期很多邮件系统也只支持ASCII编码,为了传输中文邮件必须使用BASE64或者其他编码方式.

MYSQL教程GB2312

MYSQL教程    GB2312 是基于区位码设计的,区位码把编码表分为94个区,每个区对应94个位,每个字符的区号和位号组合起来就是该汉字的区位码.区位码一般 用10进制数来表示,如1601就表示16区1位,对应的字符是“啊”.在区位码的区号和位号上分别加上0xA0就得到了GB2312编码.

MYSQL教程    区位码中01-09区是符号、数字区,16-87区是汉字区,10-15和88-94是未定义的空白区.它将收录的汉字分成两级：第一级是常用汉字计 3755个,置于16-55区,按汉语拼音字母/笔形顺序排列；第二级汉字是次常用汉字计3008个,置于56-87区,按部首/笔画顺序排列.一级汉字 是依照拼音排序的,这个就可以得到某个拼音在一级汉字区位中的范围,很多根据汉字可以得到拼音的程序就是根据这个原理编写的.

MYSQL教程    GB2312字符集中除常用简体汉字字符外还包含希腊字母、日文平假名及片假名字母、俄语西里尔字母等字符,未收录繁体中文汉字和一些生僻字.可以用繁体汉字测试某些系统是不是只支持GB2312编码.

MYSQL教程    GB2312的编码范围是0xA1A1-0x7E7E,去掉未定义的区域之后可以理解为实际编码范围是0xA1A1-0xF7FE.

MYSQL教程EUC-CN可以理解为GB2312的别名,和GB2312完全相同.

MYSQL教程区位码更应该认为是字符集的定义,定义了所收录的字符和字符位置,而GB2312及EUC-CN是实际计算机环境中支持这种字符集的编码.HZ和ISO-2022-CN是对应区位码字符集的另外两种编码,都是用7位编码空间来支持汉字.区位码和GB2312编码的关系有点像 和.

MYSQL教程GBK

MYSQL教程    GBK 编码是GB2312编码的超集,向下完全兼容GB2312,同时GBK收录了Unicode基本多文种平面中的所有CJK汉字.同 GB2312一样,GBK也支持希腊字母、日文假名字母、俄语字母等字符,但不支持韩语中的表音字符(非汉字字符).GBK还收录了GB2312不包括的 汉字部首符号、竖排标点符号等字符.

MYSQL教程    GBK的整体编码范围是为0x8140-0xFEFE,不包含低字节是0×7F的组合.高字节范围是0×81-0xFE,低字节范围是0x40-7E和0x80-0xFE.

MYSQL教程低字节是0x40-0x7E的GBK字符有一定特殊性,因为这些字符占用了ASCII码的位置,这样会给一些系统带来麻烦.

MYSQL教程    有些系统中用0x40-0x7E中的字符(如“|”)做特殊符号,在定位这些符号时又没有判断这些符号是不是属于某个 GBK字符的低字节,这样就会造成错误判断.在支持GB2312的环境下就不存在这个问题.需要注意的是支持GBK的环境中小于0x80的某个字节未必就 是ASCII符号；另外就是最好选用小于0×40的ASCII符号做一些特殊符号,这样就可以快速定位,且不用担心是某个汉字的另一半.Big5编码中也 存在相应问题.

MYSQL教程    CP936和GBK的有些许差别,绝大多数情况下可以把CP936当作GBK的别名.

MYSQL教程GB18030

MYSQL教程    GB18030编码向下兼容GBK和GB2312,兼容的含义是不仅字符兼容,而且相同字符的编码也相同.GB18030收录了所有Unicode3.1中的字符,包含中国少数民族字符,GBK不支持的韩文字符等等,也可以说是世界大多民族的文字符号都被收录在内.

MYSQL教程    GBK和GB2312都是双字节等宽编码,如果算上和ASCII兼容所支持的单字节,也可以理解为是单字节和双字节混合的变长编码.GB18030编码是变长编码,有单字节、双字节和四字节三种方式.

MYSQL教程GB18030 的单字节编码范围是0x00-0x7F,完全等同与ASCII；双字节编码的范围和GBK相同,高字节是0x81-0xFE,低字节的编码范围是0x40 -0x7E和0x80-FE；四字节编码中第一、三字节的编码范围是0x81-0xFE,二、四字节是0x30-0x39.

MYSQL教程    Windows 中CP936代码页使用0x80来表示欧元符号,而在GB18030编码中没有使用0x80编码位,用其他位置来表示欧元符号.这可以理解为是 GB18030向下兼容性上的一点小问题；也可以理解为0x80是CP936对GBK的扩展,而GB18030只是和GBK兼容良好.

MYSQL教程unicode

MYSQL教程    每一种语言的不同的编码页,增加了那些需要支持不同语言的软件的复杂度.因而人们制定了一个世界标准,叫做unicode.unicode为每个字符提供 了唯一的特定数值,不论在什么平台上、不论在什么软件中,也不论什么语言.也就是说,它世界上使用的所有字符都列出来,并给每一个字符一个唯一特定数值.

MYSQL教程    Unicode的最初目标,是用1个16位的编码来为超过65000字符提供映射.但这还不够,它不能覆盖全部历史上的文字,也不能办理传输的问题 (implantation head-ache's),尤其在那些基于网络的应用中.已有的软件必须做大量的工作来程序16位的数据.

MYSQL教程    因 此,Unicode用一些基本的保存字符制定了三套编码方式.它们分别是UTF-8,UTF-16和UTF-32.正如名字所示,在UTF－8中,字符是 以8位序列来编码的,用一个或几个字节来表示一个字符.这种方式的最大好处,是UTF－8保存了ASCII字符的编码做为它的一部分,例如,在UTF－8 和ASCII中,“A”的编码都是0x41.

MYSQL教程    UTF－16和UTF－32分别是Unicode的16位和32位编码方式.考虑到最初的目的,通常说的Unicode就是指UTF-16.在讨论Unicode时,搞清楚哪种编码方式非常重要.

MYSQL教程UTF-8

MYSQL教程    Unicode Transformation Format-8bit,允许含BOM,但通常不含BOM.是用以办理国际上字符的一种多字节编码,它对英文使用8位(即一个字节),中文使用24为(三 个字节)来编码.UTF-8包含全世界所有国家需要用到的字符,是国际编码,通用性强.UTF-8编码的文字可以在各国支持UTF8字符集的浏览器上显 示.如,如果是UTF8编码,则在外国人的英文IE上也能显示中文,他们无需下载IE的中文语言支持包.

MYSQL教程GBK的文字编码是用双字节来表示的,即不论中、英文字符均使用双字节来表示,为了区分中文,将其最高位都设定成1.GBK包括全部中文字符,是国家编码,通用性比UTF8差,不过UTF8占用的数据库比GBD大.

MYSQL教程    GBK、GB2312等与UTF8之间都必须通过Unicode编码才能相互转换：
    GBK、GB2312→Unicode→UTF8
    UTF8→Unicode→GBK、GB2312

MYSQL教程    对于一个网站、论坛来说,如果英笔墨符较多,则建议使用UTF－8节省空间.不过现在很多论坛的插件一般只支持GBK.

MYSQL教程Windows的ANSI

MYSQL教程    为使计算机支持更多语言,通常使用 0x80~0xFF 范围的 2 个字节来表示 1 个字符.好比：汉字 '中' 在中文操作系统中,使用 [0xD6,0xD0] 这两个字节存储.

MYSQL教程　　不同的国家和地区制定了不同的标准,由此产生了 GB2312, BIG5, JIS 等各自的编码标准.这些使用 2 个字节来代表一个字符的各种汉字延伸编码方式,称为 ANSI 编码.在简体中文系统下,ANSI 编码代表 GB2312 编码,在日文操作系统下,ANSI 编码代表 JIS 编码.

MYSQL教程　　不同 ANSI 编码之间互不兼容,当信息在国际间交流时,无法将属于两种语言的笔墨,存储在同一段 ANSI 编码的文本中.

维易PHP培训学院每天发布《Mysql应用mysql汉字字段按拼音排序的方法》等实战技能，PHP、MYSQL、LINUX、APP、JS,CSS全面培养人才。

转载请注明本页网址：
http://www.vephp.com/jiaocheng/14305.html