unicode排序规则,汉字怎么区分大小写，区分重音，区分假名，区分宽度

Posted 2023-04-09

unicode排序规则,汉字怎么区分大小写，区分重音，区分假名，区分宽度， 请详细作答，答得好，再给最高上限分.
先谢过

你翻翻Unicode字典就知道了，从4E00这个代码开始，后面大部分都是汉字了。
他们不区分大小写的，一个汉字一个编码。共6万多个汉字没有重复编码的，包括繁难偏僻的汉字在内。
假名重音什么的这些字体或符号是单独编码的，在一个语言里有音调或重音什么的，都在这个语言字体的后面另外加有的。如骂这个字的拼音是m加上a再加上去掉字符，共三个字组成的。 参考技术A 问题问的很笼统，一般的重音，假名，全角，半角都是由不同的字符（内码）代表的，unicode的排序没什么规律，但是每个国家的编码都有包括，其中的汉字部分称为“CJK统一汉字”（C指中国，J指日本，K指朝鲜），从0x4e00开始。

MySQL / MariaDB 不区分大小写的排序规则仍然区分大小写吗？

【中文标题】MySQL / MariaDB 不区分大小写的排序规则仍然区分大小写吗？

【英文标题】：MySQL / MariaDB Case Insensitive Collation Still Case Sensitive?

【发布时间】：2019-06-19 11:08:18

【问题描述】：

使用 MariaDB 10.0.36，我有一个用户表，其排序规则为 utf8_turkish_ci 和一个 user_login 列，该列存储用户的用户名，该用户名也使用具有唯一索引的 utf8_turkish_ci 排序规则。

我的理解是 select 语句应该不区分大小写，但对于某些用户名似乎不是这样。

例如，我有一个用户登录为GoDoIt

此语句不返回任何记录：

SELECT * FROM user WHERE user_login = 'godoit'

但是，这是可行的：

SELECT * FROM user WHERE user_login = 'GoDoIt'

我觉得这很奇怪，因为Eric 的用户名可以双向使用。

SELECT * FROM user WHERE user_login = 'eric' SELECT * FROM user WHERE user_login = 'Eric'

返回相同的结果。那么为什么字符串中间的大写字母不起作用呢？在将字符串发送到数据库之前，我在字符串上使用 tolower 降低了 PHP 中的输入用户名，我猜这种方法不适用于某些用户名。

【问题讨论】：

这与“案例”无关。

【参考方案1】：

土耳其语 dotless I 和 dotted i 是两个独立的字符；在 utf8_turkish_ci 排序规则中，它们不被认为是相等的。

在此处查看整理表：http://collation-charts.org/mysql60/mysql604.utf8_turkish_ci.html

注意无点 I 和带点 i 的单独条目。

其他背景：https://en.wikipedia.org/wiki/Dotted_and_dotless_I

【讨论】：

天哪...我一直在使用错误的排序规则。

【参考方案2】：

（评论太长。斯宾塞的回答很好。）

This 列出了相等或不相等的字母和状态，以及它们的顺序。以下摘录显示无点的 I 彼此相等，但被认为小于带点的 I：

utf8_turkish_ci   I=ı  Ħ=ħ  i=Ì=Í=Î=Ï=ì=í=î=ï=Ĩ=ĩ=Ī=ī=Ĭ=ĭ=Į=į=İ  ij=IJ=ij   iz J=j=j́=Ĵ=ĵ  jz

utf8_turkish_ci 的其他一些不寻常之处：Ö=ö - 被视为 O 和 P 之间的“字母”。Ç=ç 和 Ğ=ğ 和 Ş=ş 也是如此

注意：utf8mb4 和 utf8 处理土耳其语的方式相同。

MySQL 6.0 几年前就死了；相对于Ş，排序规则的链接似乎已过期：

mysql> SELECT 'Ş' = 'S' COLLATE utf8_turkish_ci;
+------------------------------------+
| 'Ş' = 'S' COLLATE utf8_turkish_ci  |
+------------------------------------+
|                                  0 |
+------------------------------------+