Sqlite中文排序研究

发布时间:2017-6-24 22:07:27 编辑:www.fx114.net 分享查询网我要评论
本篇文章主要介绍了"Sqlite中文排序研究",主要涉及到Sqlite中文排序研究方面的内容,对于Sqlite中文排序研究感兴趣的同学可以参考一下。

Sqlite中文排序研究   转载时请注明出处和作者联系方式:http://blog.csdn.net/absurd 作者联系方式:Li XianJing <xianjimli at hotmail dot com> 更新时间:2006-12-19   Sqlite是一个用C语言实现的小型SQL数据库引擎。它体积小巧但功能强大,对硬件资源要求很低而且性能表现卓越,非常适合于嵌入式应用环境。最近发现sqlite并不支持中文(拼音/笔画)排序,而这个功能又是我们必需的,所以花了些时间去研究。我对Sqlite的了解只能算是业余级,在研究的过程或许走了些弯路,或许已经有现存的算法可利用,不管怎么样,在研究过程中还是有不少收获,写出来和大家探讨一下。   我们知道,计算机中的每一个字符都有一个内码。在默认情况下,计算机排序时,比较两个字符的大小就是比较字符内码的大小,这对于英文来说没有问题,因为英文字母的内码是按字母顺序递增的。对于中文来说,就比较麻烦了:首先,中文的排序方式有多种,比如按内码排序、按拼音排序和按笔画排序,要通过参数指定排序的方式,否则计算机就按内码排序了。其次,汉字的内码顺序即不同于拼音顺序,也不同于按笔画顺序。在GB2312编码中,汉字基本上按拼音排序(据说有例外,不太清楚)。在GBK中,它在GB2312基础上进行了扩充,兼容GB2312中的所有字符,所以不是按拼音排序了。在Unicode中,汉字的排列似乎更没有什么规律可言了。   为了解决内码顺序与用户习惯顺序(如拼音顺序)的冲突,在glibc的locale数据里,要求提供排序方式(collate)的描述。我看了一下glibc-2.3.5提供的locale数据,在简体中文(zh_CN)的locale数据描述里,关于排序方式的描述如下: % ISO 14651 collation sequence LC_COLLATE copy "iso14651_t1" END LC_COLLATE   也就是说,照抄iso14651_t1的排序方式。打开iso14651_t1文件看了一下,也没有发现关于中文的特殊处理,可以推断glibc默认的排序方式就是按unicode排序。   所以不能指望glibc提供中文排序功能,如果SQLite支持了中文排序只能是做了特殊处理。浏览了一下SQLite的代码,这种希望似乎也不大。在网上也没有查到相关的资料和补丁,看来只能靠自己了。   不过,在浏览SQLite代码时还是有些收获,至少知道了它比较数据记录的过程: 1.         sqlite3VdbeExec调用sqlite3BtreeInsert把记录插入到适当的位置。 2.         sqlite3BtreeInsert调用sqlite3BtreeMoveto找到要插入的位置。 3.         sqlite3BtreeMoveto调用sqlite3VdbeRecordCompare比较两条记录的大小。 4.         sqlite3VdbeRecordCompare调用sqlite3MemCompare比较字段的大小。 5.         sqlite3MemCompare调用binCollFunc去做真正的比较。 6.         binCollFunc是一个回调函数,由外层设置的。   进一步研究,知道了binCollFunc的来源: 1.         struct CollSeq是一个用来比较的对象,它带有一个比较函数和相关上下文。 2.         通过multiSelectCollSeq找到合适的CollSeq对象。 3.         multiSelectCollSeq调用sqlite3ExprCollSeq查找。 4.         multiSelectCollSeq调用sqlite3CheckCollSeq查找。 5.         查找标准是SELECT或CREATE TABLE所带的COLLATE子句。 6.         也就是说可以通过SELECT或CREATE TABLE的参数来决定选择哪个比较函数。   基于上面这些认识,我们知道比较函数是可以指定的了。接下来的问题是,我们能否自定义比较函数,如何自定义,以及如何安装到SQLite里。很快发现SQLite已经提供了安装比较函数的接口: int sqlite3_create_collation16(   sqlite3* db,   const char *zName,   int enc,   void* pCtx,   int(*xCompare)(void*,int,const void*,int,const void*) )   int sqlite3_create_collation(   sqlite3* db,   const char *zName,   int enc,   void* pCtx,   int(*xCompare)(void*,int,const void*,int,const void*) )     前者用来安装UTF-16的比较函数,后者用来安装UTF-8的比较函数。我们发现,在main.c里已经安装了一些内置的比较函数: sqlite3_create_collation(db, "BINARY", SQLITE_UTF8, 0,binCollFunc); sqlite3_create_collation(db, "BINARY", SQLITE_UTF16, 0,binCollFunc); sqlite3_create_collation(db, "NOCASE", SQLITE_UTF8, 0, nocaseCollatingFunc);   好了,原理清楚了,我们要做的只是提供一个比较函数,并且安装进去就OK了。为了测试,我写一个按拼音排序的比较函数(按笔画排序类似): int pinyin_cmp(     void *NotUsed,     int nKey1, const void *pKey1,     int nKey2, const void *pKey2) {     int n = nKey1 < nKey1 ? nKey1 : nKey2;       return pinyin_strncmp(pKey1, pKey2, n + 1); }     安装比较函数时要注意,因为我们实现的比较函数是针对UTF-16的,所以名字要用UTF-16编码。但是由于linux下默认的wchar_t是32位的,不能直接用L”pinyin”的方式把ANSI字符串转换成UTF-16字符串,只能按下列方式。 unsigned short zName[] = {'p', 'i', 'n', 'y', 'i', 'n', 0}; sqlite3_create_collation16(db, zName, SQLITE_UTF16, 16, pinyin_cmp);   测试结果正常(红色部分为按拼音排序,蓝色部分为默认排序): sqlite> create table person(name text, age int); sqlite> insert into person values("张三", 23); sqlite> insert into person values("张三丰", 23); sqlite> insert into person values("李四", 24); sqlite> insert into person values("李四叔", 24); sqlite> insert into person values("王五", 25); sqlite> insert into person values("王五妹", 25); sqlite> insert into person values("赵七", 26); sqlite> insert into person values("赵七姑", 26); sqlite> sqlite> select * from person order by name collate pinyin; 李四|24 李四叔|24 王五|25 王五妹|25 张三|23 张三丰|23 赵七|26 赵七姑|26 sqlite> select * from person order by name;               张三|23 张三丰|23 李四|24 李四叔|24 王五|25 王五妹|25 赵七|26 赵七姑|26   总结:SQLite的架构设计非常优秀,接口定义得也比较合理,支持中文排序变得非常简单。   (关于pinyin_strncmp的实现,将在下一篇文章中介绍)   ~~end~~    

上一篇:想成为嵌入式程序员应知道的0x10个基本问题
下一篇:创建可滚动的图形视口

相关文章

相关评论

本站评论功能暂时取消,后续此功能例行通知。

一、不得利用本站危害国家安全、泄露国家秘密,不得侵犯国家社会集体的和公民的合法权益,不得利用本站制作、复制和传播不法有害信息!

二、互相尊重,对自己的言论和行为负责。