首页 > 数据库 >SQL中文字段按拼音首字母分组统计方法

SQL中文字段按拼音首字母分组统计方法

来源：互联网 2026-07-09 12:31:06

在SQL中直接按中文字段拼音首字母分组不可行，需显式提取拼音。MySQL8.0+可通过字符集转换巧妙实现；PostgreSQL需借助自定义映射表；通用稳妥方案是在应用层预计算拼音首字母并存入冗余字段，确保稳定可靠，但多音字问题仍需人工处理。

很多人在 SQL 里对中文字段做排序或分组时，会以为直接 ORDER BY 或 GROUP BY 就能按拼音首字母排好——但现实很骨感，数据库默认是按 Unicode 码点来的，跟拼音一点关系都没有。想按首字母分组，必须显式地把拼音信息提取出来，这一步绕不过去。

SQL中文字段按拼音首字母分组统计方法

长期稳定更新的攒劲资源： >>>点此立即查看<<<

那么，有哪些可行的方案？我们一一拆开看。

MySQL 8.0+：用 `CONVERT()` + `COLLATE` 提取拼音首字母

MySQL 确实没有内置的拼音函数，但通过字符集转换这个巧办法，可以曲线救国。核心思路是：先把中文字段从 utf8mb4 转成 gbk 或 gb2312 编码，然后利用 COLLATE 触发拼音排序规则（比如 gbk_chinese_ci），再结合 LEFT() 和 CONVERT() 把首字母提取出来。

不过这里有几个硬性前提：

字段字符集必须是 gbk 或 gb2312，utf8mb4 不支持拼音 collation。
执行前先检查一下服务器上有没有安装对应的 collation：SHOW COLLATION LIKE 'gbk%';

示例查询如下：

SELECT   UPPER(LEFT(CONVERT(name USING gbk) COLLATE gbk_chinese_ci, 1)) AS first_letter,  COUNT(*) AS cntFROM users WHERE name REGEXP '^[u4e00-u9fa5]'GROUP BY first_letterORDER BY first_letter;

注意几个坑：如果字段里混了英文字母、数字或者空格，REGEXP 过滤不严的话，首字母可能会变成乱码或者空值。另外，gbk_chinese_ci 在某些 MySQL 版本中可能不可用，需要先确认。

PostgreSQL：用 `unaccent` + `citext` 配合自定义映射表

PostgreSQL 也没有原生的拼音函数，但可以借助扩展来打组合拳。思路是：启用 unaccent 扩展去音调，再用 citext 忽略大小写，最后靠一张手动维护的汉字到首字母映射表来做 JOIN 分组。

具体步骤：

先启用扩展：CREATE EXTENSION IF NOT EXISTS unaccent;
建一张映射表 hz_pinyin_first，包含两列：hz CHAR(1)（汉字）和 first_letter CHAR(1)（对应拼音首字母）。
关键点在于：直接用 LEFT(unaccent('zh-CN', name), 1) 对纯汉字是没效果的，必须走映射表 JOIN。

示例查询：

SELECT   f.first_letter,  COUNT(*) AS cntFROM users uJOIN hz_pinyin_first f ON SUBSTRING(u.name FROM 1 FOR 1) = f.hzWHERE u.name ~ '^[u4e00-u9fa5]'GROUP BY f.first_letterORDER BY f.first_letter;

这个方案的硬伤是：映射表需要覆盖所有可能的首字，生僻字很容易漏掉。而且 unaccent 对中文没实际作用，不能替代映射关系。用 SUBSTRING 取首字符时要注意 UTF-8 多字节安全性，不过 PostgreSQL 在这块处理得还算靠谱。

通用稳妥方案：应用层预计算拼音首字母并存入冗余字段

说到底，数据库层面做拼音分组，稳定性和性能都不如在写入时就计算好首字母，存到单独字段（比如 name_pinyin_first），再对这个字段建索引。这才是真正可靠的通用方案。

实现起来也很直接：

Python 可以用 pypinyin 库：lazy_pinyin('张三', style=Style.FIRST_LETTER)[0] 就能返回 'z'。
Ja va 可用 pinyin4j，记得设置 HanyuPinyinOutputFormat 的 caseType 为 UPPERCASE。
这个字段可以设为 GENERATED ALWAYS AS (...)（MySQL 5.7+/PG 12+ 都支持），或者由应用层、触发器来维护。
查询时直接 GROUP BY name_pinyin_first，又快又稳。