PostgreSQL的汉字转拼音

线上产品升级需要导入一批3W多的用户数据，问题卡在了用户的汉字拼音码上，Excel也能实现大部分汉字的拼音转换，但还有很多生僻字无法转换。下面的汉字转拼音功能是在德哥的BLOG上的主题函数上做了一些简化和外加做了一层嵌套实现我本地的功能。 需求：软件需要根据用户的拼音码(中文的拼音缩写)输入来显示用户姓名，比如输入ZS就能出来一串类似张三、张松之类的用户名。 DB版本9.3

数据准备:

--汉字和拼音以及拼音首字母的对照表
create table pinyin (hz varchar(1),py varchar(6),zm varchar(1));
--索引以及唯一约束，视情况怎么加
create index idx_pinyin_hz on pinyin(hz);
--create unique index idx_pinyin_hz_py on pinyin(hz,py);
--create unique index idx_pinyin_hz_zm on pinyin(hz,zm);
--未收录汉字插入以下表
create table new_discover (hz varchar(1) primary key,py varchar(6),zm varchar(1));

函数准备:

--创建输出type和函数,函数返回是数组
CREATE TYPE t_py_zm as (c1 text[],c2 text[]);
CREATE OR REPLACE FUNCTION get_py_zm(i_hz text)
  RETURNS SETOF t_py_zm AS
$BODY$
DECLARE
v_hz text;
i int;
v_sql1 text;
v_sql2 text;
v_sql3 text;
v_sql4 text;
v_sql text;
v_max_id int;
v_id int;
BEGIN
--创建临时表用来存储每个汉字和字母
set client_min_messages = warning;
CREATE TEMPORARY TABLE IF NOT EXISTS tmp_get_py_zm (id int,py varchar(6),zm varchar(1)) ON COMMIT DELETE ROWS;
truncate table tmp_get_py_zm;
i := 0;

--拆分输入参数为每个字符并插入到临时表里
for v_hz in select regexp_split_to_table(i_hz,'') loop
  if ascii(v_hz) > 255 then
    insert into tmp_get_py_zm select i,py,zm from pinyin where hz=v_hz;
  else
    insert into tmp_get_py_zm values(i,v_hz,v_hz);
  end if;
  if not found then
    perform 1 from new_discover where hz = v_hz;
    if not found then
      insert into new_discover(hz) values(v_hz);
    end if;
    insert into tmp_get_py_zm values(i,'?','?');
  end if;
  i := i+1;
end loop;

select max(id) into v_max_id from tmp_get_py_zm;
if v_max_id > 0 then
  v_sql1 := '';
  v_sql3 := '';
  v_sql4 := '';
  v_id := 0;
  for v_id in select generate_series(0,v_max_id) loop
    if v_id <> v_max_id then
      v_sql1 := v_sql1||'(select py,zm from tmp_get_py_zm where id='||v_id||') as t'||v_id||',';
      v_sql3 := v_sql3||'t'||v_id||'.py::text||';
      v_sql4 := v_sql4||'t'||v_id||'.zm::text||';
    else
      v_sql1 := v_sql1||'(select py,zm from tmp_get_py_zm where id='||v_id||') as t'||v_id;
      v_sql3 := v_sql3||'t'||v_id||'.py::text';
      v_sql4 := v_sql4||'t'||v_id||'.zm::text';
      v_sql := 'select array_agg('||v_sql3||'),array_agg('||v_sql4||') from '||v_sql1;
    end if;
  end loop;
else
  v_sql := 'select array_agg(py::text),array_agg(zm::text) from tmp_get_py_zm';
end if;

return query execute v_sql;
return;
END;
$BODY$
  LANGUAGE plpgsql VOLATILE
  COST 100
  ROWS 1000;
ALTER FUNCTION get_py_zm(text)
  OWNER TO postgres;

--上面这个函数比我预期的功能要强大，除了输出汉字的拼音缩写外还提供了全拼，效果如下
postgres=# select * from get_py_zm('我爱你');
    c1    |  c2   
----------+-------
 {woaini} | {wan}
(1 row)

我的需求只需要输出简写，故外面再套一层循环更新函数并转换数组为字符类型，省得去更新原来的函数

CREATE OR REPLACE FUNCTION f_update_pinyin()
 RETURNS VOID AS $BODY$
declare
v_value text;
i_hn text;
rec record;
begin
--where后面的条件是筛选出不全为拼音的数据，也可以不用该条件全量更新,tmp_kenyon是我要更新的表
for rec in select num,name from tmp_kenyon where pym !~ E'[A-Z][A-Z][A-Z]' and pym !~ E'[A-Z][A-Z]'  loop
  i_hn:=rec.name;
  select c2[1]::text into v_value from get_py_zm(i_hn);
  update tmp_kenyon set pym = v_value where num = rec.num;
  end loop;
return;
end;
$BODY$
  LANGUAGE plpgsql VOLATILE
  COST 100;
ALTER FUNCTION f_update_pin()
  OWNER TO postgres;  --调用该函数时直接使用select f_update_pin();
--如果遇到词库没有的汉字需要在new_discovery里面更新并最终补充到pinyin词库表里去

pinyin词库表整理在了下面的云盘地址里，目前收录了将近7000个常用汉字，地址在： http://pan.baidu.com/s/1pJ6spSn 导入方式
[postgres@db1 ~]$ psql
psql (9.2.4)
Type "help" for help.
postgres=# \i /home/postgres/py.sql

参考： http://blog.163.com/digoal@126/blog/static/163877040201241452827379/