如何找出排序规则是使用单词排序还是字符串排序？

Question

https://stackoverflow.com/a/361059/14731 讨论“单词排序”和“字符串排序”的区别。

当 SQL 排序规则将使用“单词排序”与“字符串排序”时，如何以编程方式进行查询？

推论：是否所有排序规则都对 Unicode 字符串使用“单词排序”，对非 Unicode 字符串使用“字符串排序”？

SELECT * from sys.fn_HelpCollations()
WHERE name = 'SQL_Latin1_General_CP1_CI_AS'

提供了很多关于排序规则的细节，但请注意它没有提到“单词排序”。

Answer 1

让我们从 Microsoft 给出的这些类型的定义开始（摘自CompareOptions Enumeration MSDN 页面的“备注”部分）：

.NET Framework 使用三种不同的排序方式：单词排序、字符串排序和序数排序。 Word 排序对字符串执行区分区域性的比较。某些非字母数字字符可能具有分配给它们的特殊权重。例如，连字符（“-”）可能分配给它的权重非常小，因此“coop”和“co-op”在排序列表中彼此相邻出现。字符串排序类似于单词排序，只是没有特殊情况。因此，所有非字母数字符号都位于所有字母数字字符之前。序数排序根据字符串中每个元素的 Unicode 值比较字符串。

Unicode 具有文化敏感性和权重，XML 和 N 前缀类型是 Unicode，因此他们可能会说 Unicode 类型中的数据使用“字排序”，而非 Unicode 类型中的数据使用“字符串排序”。 Ordinal 指的是BIN 和BIN2 排序规则，尽管BIN 排序规则不是100% 的排序规则，因为它们处理第一个字符的方式。

但是让我们看看 SQL Server 说它在做什么。运行以下命令：

DECLARE @SampleData TABLE (ANSI VARCHAR(50), UTF16 NVARCHAR(50));
INSERT INTO @SampleData (ANSI, UTF16) VALUES 
    ('a-b-c', N'a-b-c'),
    ('ac', N'ac'),
    ('aba', N'aba'),
    ('a-b', N'a-b'),
    ('ab', N'ab');

SELECT sd.ANSI AS [ANSI-Latin1_General_100_CI_AS]
FROM   @SampleData sd
ORDER BY sd.ANSI COLLATE Latin1_General_100_CI_AS ASC;

SELECT sd.UTF16 AS [UTF16-Latin1_General_100_CI_AS]
FROM   @SampleData sd
ORDER BY sd.UTF16 COLLATE Latin1_General_100_CI_AS ASC;

SELECT sd.ANSI AS [ANSI-SQL_Latin1_General_CP1_CI_AS]
FROM   @SampleData sd
ORDER BY sd.ANSI COLLATE SQL_Latin1_General_CP1_CI_AS ASC;

SELECT sd.UTF16 AS [UTF16-SQL_Latin1_General_CP1_CI_AS]
FROM   @SampleData sd
ORDER BY sd.UTF16 COLLATE SQL_Latin1_General_CP1_CI_AS ASC;

结果：

ANSI-Latin1_General_100_CI_AS
-------------------------------------
ab
a-b
aba
a-b-c
ac

UTF16-Latin1_General_100_CI_AS
-------------------------------------
ab
a-b
aba
a-b-c
ac

ANSI-SQL_Latin1_General_CP1_CI_AS
-------------------------------------
a-b
a-b-c
ab
aba
ac

UTF16-SQL_Latin1_General_CP1_CI_AS
-------------------------------------
ab
a-b
aba
a-b-c
ac

嗯。只有 SQL_ 排序规则与 VARCHAR 字段组合似乎正在执行可以被视为“字符串排序”的操作。 SQL_ 排序规则与NVARCHAR 字段组合将执行“单词排序”，这是与非SQL_ 排序规则相同的Unicode 处理。但是除了确定“字符串”与“单词”排序的 SQL Server 排序规则（即以 SQL_ 开头）之外，还有其他东西吗？让我们看看我们可以提取的排序规则的唯一属性：

SELECT N'Latin1_General_100_CI_AS' AS [CollationName],
       COLLATIONPROPERTY('Latin1_General_100_CI_AS', 'CodePage') AS [CodePage],
       COLLATIONPROPERTY('Latin1_General_100_CI_AS', 'LCID') AS [LCID],
      COLLATIONPROPERTY('Latin1_General_100_CI_AS', 'ComparisonStyle') AS [ComparisonStyle]
UNION ALL
SELECT N'SQL_Latin1_General_CP1_CI_AS' AS [CollationName],
       COLLATIONPROPERTY('SQL_Latin1_General_CP1_CI_AS', 'CodePage'),
       COLLATIONPROPERTY('SQL_Latin1_General_CP1_CI_AS', 'LCID'),
       COLLATIONPROPERTY('SQL_Latin1_General_CP1_CI_AS', 'ComparisonStyle');

结果：

CollationName                  CodePage   LCID    ComparisonStyle
----------------------------   --------   ----    ---------------
Latin1_General_100_CI_AS       1252       1033    196609
SQL_Latin1_General_CP1_CI_AS   1252       1033    196609

因此，那里没有明显的差异。这似乎给我们留下了这个：

字符串排序在以下情况下完成：

• 排序规则名称以SQL_ 开头，AND
• 数据（字段、变量、字符串文字）是非 Unicode（即 CHAR / VARCHAR / TEXT）

---

有关一般 Unicode 排序的更多信息，请查看以下资源：

• Unicode Collation Charts (per language) - 显示每种语言的字符，显示它们的排序方式
• Unicode Collation Algorithm (UCA) - 对用于对 Unicode 数据进行排序的算法进行了一些“轻量级”（哈哈！）阅读 - 这是默认算法，除非被特定语言环境的规则覆盖，否则该算法有效。
• Collation Guidelines - 如何阅读特定于语言环境的覆盖图表

Answer 2

• srutzky's 出色的答案表明，除了由 SQL_ 整理器处理的非 Unicode 类型外，所有其他数据均根据“Unicode 整理”规则进行排序。
• 令人困惑的是，Microsoft 不使用 Unicode 标准的排序规则。

• 根据https://support.microsoft.com/en-us/kb/322112

  SQL Server 2000 支持两种排序规则：

  • SQL 排序规则
  • Windows 排序规则

  [...]

  对于 Windows 排序规则，非 Unicode 数据的比较是通过使用与 Unicode 数据相同的算法来实现的。

  [...]

  用于排序非 Unicode 数据的 SQL 排序规则与 Microsoft Windows 操作系统提供的任何排序例程都不兼容；但是，Unicode 数据的排序与特定版本的 Windows 排序规则兼容。

• 我将其解释为：

  • SQL_ 排序规则是“SQL 排序规则”
  • 所有其他整理者都是“Windows整理者”。
  • 除SQL_ 整理器处理的非Unicode 类型外，所有其他数据均根据“Windows 整理”进行排序。

那么，让我们深入研究“Windows 排序规则”。

• 根据https://msdn.microsoft.com/en-us/library/ms143515(v=sql.105).aspx

  对于 Unicode 数据类型，数据比较基于 Unicode 代码点。

• winnls.h 包含“单词排序”的简要概述：

//  Sorting Flags.
//
//    WORD Sort:    culturally correct sort
//                  hyphen and apostrophe are special cased
//                  example: “coop” and “co-op” will sort together in a list
//
//                        co_op     <——-  underscore (symbol)
//                        coat
//                        comb
//                        coop
//                        co-op     <——-  hyphen (punctuation)
//                        cork
//                        went
//                        were
//                        we’re     <——-  apostrophe (punctuation)
//
//
//    STRING Sort:  hyphen and apostrophe will sort with all other symbols
//
//                        co-op     <——-  hyphen (punctuation)
//                        co_op     <——-  underscore (symbol)
//                        coat
//                        comb
//                        coop
//                        cork
//                        we’re     <——-  apostrophe (punctuation)
//                        went
//                        were

• 最后，根据https://msdn.microsoft.com/en-us/library/windows/desktop/dd318144(v=vs.85).aspx

  [...] 所有标点符号和其他非字母数字字符（连字符和撇号除外）都位于任何字母数字字符之前。连字符和撇号的处理方式与其他非字母数字字符不同，以确保“coop”和“co-op”等词在排序列表中保持在一起。