德语的最佳 MySQL 排序规则是啥

Posted 2023-02-24

【中文标题】德语的最佳 MySQL 排序规则是啥

【英文标题】：What is the best MySQL collation for German language德语的最佳 MySQL 排序规则是什么

【发布时间】：2011-07-28 10:11:10

【问题描述】：

我正在建立一个德语网站，所以我将使用ä, ü, ß 等字符，那么您有什么建议？

【参考方案1】：

这个答案已经过时了。如需完整的表情符号支持，请参阅this answer。

作为字符集，如果可以的话，绝对是UTF-8。

作为排序规则 - 这对于带有特殊字符的语言来说有点讨厌。有各种类型的排序规则。它们都可以存储所有元音变音和其他字符，但是它们在比较中如何对待元音变音不同，即是否

u = ü 

是真还是假；并在排序中（在字母表中，元音变音符号位于排序顺序中）。

长话短说，您最好的选择是

utf8_unicode_ci

它允许不区分大小写的搜索；它将ß 视为ss 并使用DIN-1 排序。可悲的是，像所有非二进制 Unicode 排序规则一样，它处理 u = ü 这是一个可怕的麻烦，因为搜索“Muller”也会返回“Müller”。您将不得不通过实时设置 Umlaut-aware 排序规则来解决这个问题。

或utf8_bin

此排序规则没有u = ü 问题，但只能进行区分大小写的搜索。

我不完全确定使用二进制排序规则是否还有其他副作用；我问了一个关于here的问题。

---

This mysql manual page 很好地概述了各种排序规则以及它们在日常使用中带来的后果。

Here 是关于 mySQL 中可用排序规则的一般概述。

【讨论】：

我知道这是超级旧的，但是...我正在尝试应用类似于您上面的 utf8 排序规则。但是，当使用 utf8_unicode_ci 时，字符 'é' 编码为 '?'。你知道这是为什么吗？我认为 utf8 对每个字符都有一个表示。

@Pekka，既然utf8 是有缺陷的（不是真正的unicode），你为什么推荐它而不是utf8mb4？

截至 2019 年正确答案如下：***.com/a/48325386/2898712

@wedi 我无法更改已接受的答案，但那肯定更好。

【参考方案2】：

要支持完整的 UTF-8 标准，您必须在 MySQL 中使用字符集 utf8mb4 和排序规则 utf8mb4_unicode_ci！

注意： MySQL 在使用其所谓的 utf8 字符集时仅支持 1 到 3 字节字符！这就是现代 Emoji 不支持的原因，因为它们使用 4 字节！

完全支持 UTF-8 标准的唯一方法是将所有 表 和 数据库 本身的字符集和排序规则更改为 utf8mb4 和 @987654325 @。此外，数据库connection也需要使用utf8mb4。

mysql服务器必须使用utf8mb4作为默认字符集，可以在/etc/mysql/conf.d/mysql.cnf中手动配置

[client]
default-character-set = utf8mb4

[mysql]
default-character-set = utf8mb4

[mysqld]
# character-set-client-handshake = FALSE  ## better not set this!
character-set-server = utf8mb4
collation-server = utf8mb4_unicode_ci

可以使用以下 SQL 语句将现有表迁移到 utf8mb4：

ALTER TABLE <table-name> CONVERT TO 
CHARACTER SET utf8mb4 
COLLATE utf8mb4_unicode_ci;

注意：

为确保表列之间的任何 JOIN 不会因字符集编码而变慢，所有表都必须更改！ 由于 MySQL 中索引的长度是有限的，因此每个索引行的字符总数必须乘以 4 Byte，并且需要小于 3072

启用 innodb_large_prefix 配置选项时，此 对于使用 DYNAMIC 和 COMPRESSED 行格式。

要更改数据库的字符集和默认排序规则，请运行以下命令：

ALTER DATABASE CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;

由于 utf8mb4 完全向后兼容 utf8，因此不会发生 mojibake 或其他形式的数据丢失。

【参考方案3】：

utf-8-general-ci 或 utf-8-unicode-ci。

要知道区别： UTF-8: General? Bin? Unicode?

【讨论】：

我想你的意思是utf8_general_ci 或utf8_unicode_ci。

【参考方案4】：

上述 cmets 并没有真正解决德语变音符号的具体问题，通常被描述为：字典顺序还是电话簿顺序？ Unicode 默认值适用于前者，但如果（例如）你想要 'Ü' = 'UE' 那么你可以考虑使用 utf8mb4_de_pb_0900_ai_ci 或 utf8mb4_german2_ci，假设字符集是 utf8mb4。