LINUXSOFT.cz Přeskoč levou lištu

ARCHIV



   

> MySQL (59) - české řazení

Podívejme se dnes ještě na konverze textu a rovněž na způsob, jak zajistit české řazení v MySQL.

17.2.2006 06:00 | Petr Zajíc | Články autora | přečteno 24619×

Minulý díl seriálu vzbudil celkem dost ohlasů. Pojďme tedy nejprve lehce doplnit látku o konverzi textových souborů mezi znakovými sadami a potom se věnujme českému řazení v MySQL.

Změna kódování souboru

Jak jsme uvedli, pokud chceme importovat znaková data do MySQL, musí nám souhlasit znaková sada v definici sloupce, do něhož data přijdou, znaková sada klienta, který import zajišťuje (jako je řádkový klient mysql) a znaková sada souboru, z něhož data čerpáme. Právě v tom posledním bodě se někdy můžete zaseknout, protože soubor je dodán v jiném kódování než potřebujete.

Iconv

Není třeba zoufat. Linuxoví guru nám přece odjakživa vtloukají do hlavy, že Linux se skládá z celé řady malých prográmků, které dělají jednu věc (a dobře). Jedním z nich je utilita na převod kódování zvaná iconv. Její použití je velmi intuitivní, takže to předvedu přímo na příkladu se vstupním souborem v UTF-8, který chceme dostat do ISO-8859-2:

iconv -f UTF-8 -t ISO8859-2 text_utf.txt -o text_latin2.txt

Volby jsou v tomto případě triviální - vstupní kódování, výstupní kódování, název souboru pro konverzi. Za ním je uveden přepínač -o přikazující programu přesměrovat výstup do souboru (ve výchozím stavu přesměrovává na standardní výstup, což je obrazovka, a to nám ve většině případů moc užitečné nebude). Za zmínku stojí už snad jen příkaz

iconv -l

který vypíše seznam všech dostupných kódování, která pro konverzi můžete použít. A pro našince potěší zpráva, že mezi nimi je jak ISO8859-2, tak UTF-8, tak WINDOWS-1250. Nebudete tedy ponecháni na holičkách, ať už dostanete svůj soubor v jakémkoli kódování. Protože s MySQL laborují dost často lidé kolem webových stránek je třeba se rovněž zmínit o tom, že PHP umí s iconv spolupracovat, takže můžete napsat něco jako:

iconv("UTF-8", "ISO-8859-2", $nejaky_retezec)

A jeden tip nakonec: Pokud nevíte, v jakém kódování je vstupní soubor, můžete použít klasický příkaz linuxu file, který se to pokusí zjistit. Opět malý příklad:

file text_utf.txt
(výstup)text_utf.txt: UTF-8 Unicode text

Recode

Jako poněkud robustnější alternativu k iconv můžete použít program recode. Má podstatnou výhodu: Pracuje přímo s konvertovaným souborem. Uvědomte si ale, že to může být i nevýhoda. Další "drobností" je, že recode v systému po instalaci nemusíte mít, kdežto iconv tam nejspíše mít budete. Takže jenom dodám příklad:

recode ISO_8859-2..UTF-8 text_latin2.txt

a téma konverzí textových souborů můžeme opustit. Znovu bych doporučil důsledně používat UTF-8 všude tam, kde jen je to možné. Proto ho máme.

České řazení v MySQL

V dávných a dávných dobách byl docela problém donutit MySQL česky řadit. Jak nejspíš víte, je české řazení dost specifické. Máme písmena s čárkami, háčky a rovněž ch, které tvrdohlavě řadíme mezi h a i. Proto hovoříme o tom, že české řazení je několikaprůchodové - prosté porovnání znaků nám leckdy k určení pořadí zkrátka nestačí. Hezky je to rozebráno například tady. S tím vším se musí databáze nějak vypořádat.

Naštěstí doby temna skončily a současné verze MySQL řadí česky správně. Pochopitelně, že je třeba správně definovat typ sloupce a požadované řazení. Můžeme si to ukázat na příkladu. Vytvoříme tabulku s jedním sloupcem:

create table test_razeni(polozka varchar(50) character set utf8 collate utf8_czech_ci not null);

Všimněte si, že je nutné specifikovat řazení pomocí klíčového slova collate. Tabulku teď naplníme nějakými daty:

insert into test_razeni (polozka) values ('auto'),('cihla'),('česnek'),
('chleba'),('rum'),('ředkvička'),('zlato'),
('židle'),('stůl'),('špička'),('dav'),('ďábel'),('ňouma'),('nestor');

a seřadíme pomocí order by:

select * from test_razeni order by polozka;

Jak můžete vidět, žádné nepříjemné překvapení se nekoná. Ch je na svém místě a slova s diakritickými znaménky rovněž. Poměrně málo známý je trik se specifikací COLLATE přímo v klauzuli ORDER BY. Můžete si například předchozí sadu záznamů zkusit setřídit podle pravidel pro řazení unicode:

select * from test_razeni order by polozka collate utf8_general_ci;

Kdy něco takového použít? Vlastně asi nikdy. Vždy je totiž lepší zadat si výchozí způsob třídění pro daný sloupec nebo tabulku. Dokážu si nicméně představit třeba nějakou mezinárodní webovou aplikaci, kde by byl dejme tomu seznam měst a uživatel by mohl dostat tento seznam setříděný podle svých národních zvyklostí. Uznávám ale, že je to dosti vykonstruovaný příklad, protože názvy měst se stejně většinou píší i třídí anglicky.

Ještě poznámka k webovým aplikacím. Autoři stránek se občas v minulosti pokoušeli implementovat několikaprůchodové české řazení přímo pomocí skriptů, jako je PHP. Pokud data pocházejí z databáze, mělo by těmto pokusům zvolna odzvonit, protože obecně jakákoli databáze seřadí data rychleji než skript. Samozřejmě pokud řazená data z databáze nepocházejí, pak asi nezbyde než se pokusit o implementaci vlastního řazení - ale je to úkol pro odvážné.

Verze pro tisk

pridej.cz

 

DISKUZE

české řazení podle mne správně nefunguje :( 22.8.2006 14:37 Josef Skramuský




Příspívat do diskuze mohou pouze registrovaní uživatelé.
> Vyhledávání software
> Vyhledávání článků

28.11.2018 23:56 /František Kučera
Prosincový sraz spolku OpenAlt se koná ve středu 5.12.2018 od 16:00 na adrese Zikova 1903/4, Praha 6. Tentokrát navštívíme organizaci CESNET. Na programu jsou dvě přednášky: Distribuované úložiště Ceph (Michal Strnad) a Plně šifrovaný disk na moderním systému (Ondřej Caletka). Následně se přesuneme do některé z nedalekých restaurací, kde budeme pokračovat v diskusi.
Komentářů: 1

12.11.2018 21:28 /Redakce Linuxsoft.cz
22. listopadu 2018 se koná v Praze na Karlově náměstí již pátý ročník konference s tématem Datová centra pro business, která nabídne odpovědi na aktuální a často řešené otázky: Jaké jsou aktuální trendy v oblasti datových center a jak je optimálně využít pro vlastní prospěch? Jak si zajistit odpovídající služby datových center? Podle jakých kritérií vybírat dodavatele služeb? Jak volit vhodné součásti infrastruktury při budování či rozšiřování vlastního datového centra? Jak efektivně datové centrum spravovat? Jak co nejlépe eliminovat možná rizika? apod. Příznivci LinuxSoftu mohou při registraci uplatnit kód LIN350, který jim přinese zvýhodněné vstupné s 50% slevou.
Přidat komentář

6.11.2018 2:04 /František Kučera
Říjnový pražský sraz spolku OpenAlt se koná v listopadu – již tento čtvrtek – 8. 11. 2018 od 18:00 v Radegastovně Perón (Stroupežnického 20, Praha 5). Tentokrát bez oficiální přednášky, ale zato s dobrým jídlem a pivem – volná diskuse na téma umění a technologie, IoT, CNC, svobodný software, hardware a další hračky.
Přidat komentář

4.10.2018 21:30 /Ondřej Čečák
LinuxDays 2018 již tento víkend, registrace je otevřená.
Přidat komentář

18.9.2018 23:30 /František Kučera
Zářijový pražský sraz spolku OpenAlt se koná již tento čtvrtek – 20. 9. 2018 od 18:00 v Radegastovně Perón (Stroupežnického 20, Praha 5). Tentokrát bez oficiální přednášky, ale zato s dobrým jídlem a pivem – volná diskuse na téma IoT, CNC, svobodný software, hardware a další hračky.
Přidat komentář

9.9.2018 14:15 /Redakce Linuxsoft.cz
20.9.2018 proběhne v pražském Kongresovém centru Vavruška konference Mobilní řešení pro business. Návštěvníci si vyslechnou mimo jiné přednášky na témata: Nejdůležitější aktuální trendy v oblasti mobilních technologií, správa a zabezpečení mobilních zařízení ve firmách, jak mobilně přistupovat k informačnímu systému firmy, kdy se vyplatí používat odolná mobilní zařízení nebo jak zabezpečit mobilní komunikaci.
Přidat komentář

12.8.2018 16:58 /František Kučera
Srpnový pražský sraz spolku OpenAlt se koná ve čtvrtek – 16. 8. 2018 od 19:00 v Kavárně Ideál (Sázavská 30, Praha), kde máme rezervovaný salonek. Tentokrát jsou tématem srazu databáze prezentaci svého projektu si pro nás připravil Standa Dzik. Dále bude prostor, abychom probrali nápady na využití IoT a sítě The Things Network, případně další témata.
Přidat komentář

16.7.2018 1:05 /František Kučera
Červencový pražský sraz spolku OpenAlt se koná již tento čtvrtek – 19. 7. 2018 od 18:00 v Kavárně Ideál (Sázavská 30, Praha), kde máme rezervovaný salonek. Tentokrát bude přednáška na téma: automatizační nástroj Ansible, kterou si připravil Martin Vicián.
Přidat komentář

   Více ...   Přidat zprávičku

> Poslední diskuze

13.12.2018 10:57 / Jan Mareš
Re: zavináč

2.12.2018 23:56 / František Kučera
Sraz

5.10.2018 17:12 / Jakub Kuljovsky
Re: Jaký kurz a software by jste doporučili pro začínajcího kodéra?

20.9.2018 10:04 / Jan Ober
Jaký kurz a software by jste doporučili pro začínajcího kodéra?

20.9.2018 10:00 / Jan Ober
Re: Gimp

Více ...

ISSN 1801-3805 | Provozovatel: Pavel Kysilka, IČ: 72868490 (2003-2022) | mail at linuxsoft dot cz | Design: www.megadesign.cz | Textová verze