昵称排序顺序要求
<ol>
<li>大小写英文字母排序排在前面</li>
<li>中文按拼音排序</li>
<li>数字,符号以及emoji符号</li>
</ol>
实现思路 :
1.按照昵称首字符的unicode 值进行排序。(解决第一点需求)
根据unicode编码对照表, 大小写英文字母的范围为 (十进制) 65 ~ 122,而数字以及常用标点符号则在 (十进制)65以下。
所以需要处理的就只有65以下的编码符号,将这些编码的符号提升比中文要高的位置即可(这里只是考虑到昵称只含有中文,而不包含韩文,日文其他语言的字符)。
2.MySql拼音排序方法
在MySql 里是通过gbk字符进行拼音排序的。
所以需要将排序的字段nickname 转换成gbk进行排序。
order by convert(nickname using gbk) asc 方法。
mysql 通常储存格式为utf8 ,如果有emoji 标签符号数据,则使用utf8mb4格式。
(注:utf8最多只支持3个字节,即3*8位,而emoji 长度最长会超过3个字节,utf8mb4就是utf8 的超集, 扩展了utf8的可变长度 )
3.查询gbk 拼音为z的最后一个汉字
根据gbk编码范围B0A1-F7FE,创建一张用于存储所有gbk编码汉字的表。编写以下存储过程实现上述操作:
<pre>
set @gbkStart = conv(hex(0xB0A1),16,10);
set @gbkEnd = conv(hex(0xF7FE),16,10);
set @i = @gbkStart;
drop table if exists t_gbk;
create table t_gbk(
charcode varchar(200),
charword varchar(10)
) charset gbk;
-- 插入gbk汉字
while @i<=@gbkEnd do
set @charcode = conv(@i,10,16);
set @charword = convert(unhex(@charcode) using gbk);
set @i = @i+1;
insert into t_gbk(charcode,charword) values(@charcode,@charword);
end while;
</pre>
查找最后一个拼音为Z的汉字: "糳" gbk编码为 BC64
(注意这个gbk字符集所认可的 bc64 为"糳")
<pre>
select * from t_gbk order by charword desc
</pre>
SQL实现:
<pre>
-- 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
select nickname,hex(left(nickname,1)) as raw_charcode,
convert(
unhex(
case
when hex(left(nickname,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(nickname,1)>=0xf09f9880 -- 0xf09f9880 表示 emoji 表情😀,utf8编码为 \xf0\x9f\x98\x80 (即0xf09f9880)
then hex(0xe7b3b3) --将emoji表情转换对应的汉字 "糳"
ELSE hex(left(nickname,1))
end
)
using utf8)
as HanZi
from user
order by
convert(HanZi using gbk) asc, -- 这一步已经能把emoji表情符号,非中英文的符号排序到最后,
raw_charcode asc -- 由于emoji 是在原有汉字库基础上再出的,所以它的编码值肯定比基础编码范围要大,这样就可以把emoji排在最后
</pre>
** 注:0x41 即十进制65 大写字母A **
<br ><br ><br >
参考:
查了一下汉字unicode 编码,编码为 16进制4E00 ~ 9FBF,
<strong>(注意是 Unicode编码而不是utf8编码)</strong>
具体编码范围可以从这里查询:
http://wenku.baidu.com/link?url=r5dvL7MInjkYzO53qJRCO8V-i1REylaGfoU31QCoy53U3OeeEGl-uD3s1PaZJDuxwjX17H7bwS0sFDzt9N0boW0NQdbDetJK3HV32jgUkjq
或
http://www.qqxiuzi.cn/zh/hanzi-unicode-bianma.php
由于这里只考虑昵称只含有中文,所以只需要将65以下的编码符号提升大于最后中文的编码(即9FBF)即可。由于9FBF为unicode, 并且mysql 存储的是utf8,所以需要把9FA5转换成utf8编码。最简单的转换方式:在上面链接里找到9FA5对应的中文字,黏贴到文本里,然后以utf8格式保存,最后以16进制查看该文件的内容。
也可以在python里将最后一个中文字转换为utf8:
<pre>
s = u"\u9FBF";
s.encode("utf-8"); //输出 '\xe9\xbe\xbf', 去掉\x前缀 即 e9bebf
</pre>
注: \u 表示unicode 编码 , \x 表示utf-8 编码
<br >