Python : faire du tri selon le dictionnaire français avec sqlite3

Un billet de blog de tyrtamos

Le 04/03/2015, par tyrtamos, Expert éminent

Problématique

Quand on veut extraire d'une base SQL des informations texte triées en utilisant 'ORDER BY', on se heurte au problème habituel: l'ordre de tri coïncide avec l'ordre des caractères dans les polices de caractères, c'est à dire, par exemple, que:

'a' est situé après 'X' (les minuscules sont situées après les majuscules),
'à' est situé après 'x' (les caractères accentués sont situés après les caractères non accentués).

Solution

Pour trier selon l'alphabet français, et en fait, selon l'alphabet qu'on veut, on va créer une fonction de comparaison comme cmp(v1, v2), c'est à dire qui compare v1 et v2 et qui renvoie:

un entier <0 si v1<v2
0 si v1==v2
un entier >0 si v1>v2

Ceci, comme on peut le faire avec la méthode sort() du Python.

Voilà le code proposé (Python 3):

Code PYTHON :

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
import locale 
  
class Compdicofr(object): 
    """comparaison de 2 chaines selon le dictionnaire français""" 
  
    def __init__(self): 
        self.loc = locale.getlocale()  # stocke la locale courante 
        self.espinsec = '\xA0'  # espace insécable 
  
    def __call__(self, v1, v2): 
  
        # on retire les tirets et les blancs insécables 
        v1 = v1.replace('-', '') 
        v1 = v1.replace(self.espinsec, '') 
        v2 = v2.replace('-', '') 
        v2 = v2.replace(self.espinsec, '') 
  
        # on fait la comparaison selon la locale 
        locale.setlocale(locale.LC_ALL, '') 
        comp = locale.strcoll(v1, v2) 
  
        # retour à la locale initiale 
        locale.setlocale(locale.LC_ALL, self.loc) 
  
        # on retourne le résultat de la comparaison 
        return comp 
  
compdicofr = Compdicofr()

Prenons maintenant un exemple: on crée une base sqlite3 contenant une table "test" avec un champ "mots" contenant dans l'ordre d'introduction:

Code :

1
2
3
4
5
6
xabc 
abcç 
abcé 
Xabcù 
Abcè 
êqsdf

Voilà le code pour extraire ces données et les présenter dans l'ordre de tri habituel:

Code PYTHON :

1
2
3
4
5
6
7
8
9
cur.execute(""" 
    SELECT * 
    FROM test  
    ORDER BY mots 
    """) 
datas = cur.fetchall() 
  
for data in datas: 
    print data[0]

Ce qui donne à l'exécution:

Code :

1
2
3
4
5
6
Abcè 
Xabcù 
abcç 
abcé 
xabc 
êqsdf

Vous constatez que ce n'est pas terrible: le 'a' est après le 'X' et le 'ê' est après le 'x'...

Voilà maintenant le code qui permet de trier dans le bon ordre:

Code PYTHON :

1
2
3
4
5
6
7
8
9
10
11
cnx.create_collation("compdicofr", compdicofr) 
  
cur.execute(""" 
    SELECT * 
    FROM test  
    ORDER BY mots COLLATE compdicofr 
    """) 
datas = cur.fetchall() 
  
for data in datas: 
    print data[0]

Ce qui affiche:

Code :

1
2
3
4
5
6
abcç 
abcé 
Abcè 
êqsdf 
xabc 
Xabcù

C'est quand même autre chose, non?

Billet blog