DB2中创建汉字拼音首字母的SQL函数

需求

有些时候我们会有这样的需求，要求使用字母从a至z对一组数据进行索引，如果数据的格式全部是半角的英文则很容易实现，但若是对一组中文数据进行索引则会引起一点小的麻烦，数据在录入db2数据库的时候可能并没有指定一个索引字母，这就要求应用程序可以自动生成用于索引的信息。

一般对于中文数据的索引，采用词组的首汉字拼音的首字母，例如：

词组 索引字母
－－－ －－－－－
熊猫 x
白暨豚 b
藏野驴 z

在DB2中并没有提供相应的函数可以取得汉字拼音的首字母，我们可以利用数据库针对中文字符集的排序功能创建一个这样的函数。

工作原理

我们知道在使用中文字符集的数据库中，当你对一列中文数据使用order by 排序时，排序的结果正是按照每行记录第一个汉字的拼音首字母进行排列的，那么我们需要想办法取得这个字母。

但是数据库内部是如何做到这一点的呢?以中文字符集GBK为例，让我们查看一下GBK字符集的内码表，我们仅摘出一段：

0 1 2 3 4 5 6 7 8 9 A B C D E F 
B040 癅 癆 癇 癈 癉 癊 癋 癎 癏 癐 癑 癒 癓 癕 癗 癘 
B050 癙 癚 癛 癝 癟 癠 癡 癢 癤 癥 癦 癧 癨 癩 癪 癬 
B060 癭 癮 癰 癱 癲 癳 癴 癵 癶 癷 癹 発 發 癿 皀 皁 
B070 皃 皅 皉 皊 皌 皍 皏 皐 皒 皔 皕 皗 皘 皚 皛 
B080 皜 皝 皞 皟 皠 皡 皢 皣 皥 皦 皧 皨 皩 皪 皫 皬 
B090 皭 皯 皰 皳 皵 皶 皷 皸 皹 皺 皻 皼 皽 皾 盀 盁 
B0A0 盃 啊 阿 埃 挨 哎 唉 哀 皑 癌 蔼 矮 艾 碍 爱 隘 
B0B0 鞍 氨 安 俺 按 暗 岸 胺 案 肮 昂 盎 凹 敖 熬 翱 
B0C0 袄 傲 奥 懊 澳 芭 捌 扒 叭 吧 笆 八 疤 巴 拔 跋 
B0D0 靶 把 耙 坝 霸 罢 爸 白 柏 百 摆 佰 败 拜 稗 斑 
B0E0 班 搬 扳 般 颁 板 版 扮 拌 伴 瓣 半 办 绊 邦 帮 
B0F0 梆 榜 膀 绑 棒 磅 蚌 镑 傍 谤 苞 胞 包 褒 剥

可以看到从B0A0-1 开始，至B0C0-5，是拼音A开头的汉字，恰好是按照拼音字母的先后顺序排列，并且把音调的因素也考虑进去了，由此，可以推断出，数据库在GBk编码的数据库中对汉字进行排序，即是依照字符内码表的编码进行的。

我们把B0C0-5 位置的汉字记录下来，即“澳”字，这是以“a”拼音开头在内码表中排列在最后的汉字，用同样的方法，我们找出所有以拼音从b至z开头，在内码表中排列在最后的汉字，与26个字母的对应关系如下：

'澳' a
'怖' b
'错' c
'堕' d
'贰' e
'咐' f
'过' g
'祸' h
i
'骏' j
'阔' k
'络' l
'穆' m
'诺' n
'沤' o
'瀑' p
'群' q
'弱' r
'所' s
'唾' t
u
v
'误' w
'迅' x
'孕' y
'座 z

注：没有以'i','u','v'开头的汉语拼音。

现在假若我们拿出任何一个汉字，放在我们挑选出的这些汉字中间，利用数据库进行一次使用GBK字符集的排序，我们便能够根据这个汉字排列的相对位置得到其拼音首字母。