正規化

正規化とは、データなどを特定のルールに基づき変更して利便性を向上させる手法である。

データベースの正規化

※当解説ではサロゲート・キーを使用して解説をおこなっていることと、第3正規形まで解説しています。
第4および第5はワケがわからないよ・・・

非正規的なデータ

まずは正規化が行われていない下のデータを見てほしい(消費税は5%)

商品名	値段	税込価格	売先	売却個数
テレビ	1000円	1050円	ニコニコ本社	10個
パソコン	3000円	3150円		5個
			大百科ニュース	3個
洗濯機	1500円	1575円		2個
冷蔵庫	2000円	2100円	ドワンゴ	2個

データの正規化を行う上で重要なことは、「重複性の排除」と「関係性の明確化」である。
よくExcelで見られるクソみたいなデータ形式だがなんとかして利便性を向上する必要がある。
それが後述する第3正規形までの方法である。

第1正規形

まずは関係性を明確にするため計算により求められる要素の排除と、繰り返し要素の排除を行う。

商品名	値段	売先	売却個数
テレビ	1000円	ニコニコ本社	10個
パソコン	3000円	ニコニコ本社	5個
パソコン	3000円	大百科ニュース	3個
洗濯機	1500円	大百科ニュース	2個
冷蔵庫	2000円	ドワンゴ	2個

第2正規形

次に、項目と関連する値の要素を抜き出す。
ここでは「商品名」と「値段」が関連しているためこれを個別に抜き出し、「商品」テーブルに。
元のテーブルを「取引」テーブルとする。
その際に「商品」テーブルで一意な番号として商品番号を付与する。

「商品」テーブル

商品番号	商品名	値段
0001	テレビ	1000円
0002	パソコン	3000円
0003	洗濯機	1500円
0004	冷蔵庫	2000円

「取引」テーブル

商品番号	売先	売却個数
0001	ニコニコ本社	10個
0002	ニコニコ本社	5個
0002	大百科ニュース	3個
0003	大百科ニュース	2個
0004	ドワンゴ	2個

第3正規形

「取引」テーブルではまだ重複性が残っているため、これを解消する。
売先の情報を「売先」テーブルとして取り出すことにより解決できるため実行する。
なお、「商品」テーブルには変化がないためここでは割愛する。

「売先」テーブル

売先番号	売先名
0001	ニコニコ本社
0002	大百科ニュース
0003	ドワンゴ

「取引」テーブル

商品番号	売先番号	売却個数
0001	0001	10庫
0002	0001	5個
0002	0002	3個
0003	0002	2個
0004	0003	2個

最終的な関係性

第3正規形まで整えることによりデータの関係性や繰り返し要素の排除が行えるため、考え方としては中々に便利である。

各テーブル間の関係性は下のとおりである。

• 売先：取引＝1：多
• 商品：取引＝1：多

Unicodeの正規化

Unicodeでは、文字の合成という概念があり、複数の文字を1つの文字として扱う手段がある。また、すでに合成された文字の一部については、それ独自で文字コードを持っている。また、一部の文字は互換性のための文字の形の変化であり、いざとなればフォントやリッチテキストで代用可能である。ここでいくつか問題が発生する。

1. 文字が等しいとはどういうことなのか
2. 扱いやすい形にできないか
3. 文字の形の変化を抜いたらどういう形になるのか

それらを解決するのが正規化である。正規化には以下の3つの概念を覚えておく必要がある。

• 正準分解 - 文字の形を崩さない限りにおいて、可能な限り分解し所定の順序に並び替える
• 正準合成 - 隣接した合成文字を可能な限り合成する
• 互換分解 - 文字の形の変化を取り除き、さらに可能な限り分解し所定の順序に並び替える

そのうえで、以下の4つの正規化形式が定義されている。

• NFD(正規化形式D) - 正準分解を行う
• NFC(正規化形式C) - 正準分解後、正準合成を行う
• NFKD(正規化形式KD) - 互換分解を行う
• NFKC(正規化形式KC) - 互換分解後、正準合成を行う

例を挙げる。

元の文字	NFD	NFC	NFKD	NFKC
ガ(U+30AC)	U+30AB U+3099	U+30AC	U+30AB U+3099	U+30AC
⑨(U+2468)	U+2468	U+2468	U+0039	U+0039

U+30ABはカタカナのカ、U+3099は合成用濁点、U+0039は半角数字の9である。並び替えの例がないが、要するに複数のダイアクリティカルマークがある場合、所定の順序に並び替えないといけないという規則があるためである。

関連項目

• データベース
• E-R図
• Unicode