MySQL中的UTF8字符串比较

Posted 2023-02-24

【中文标题】MySQL中的UTF8字符串比较

【英文标题】：UTF8 string comparisons in MySQL

【发布时间】：2011-10-24 19:27:47

【问题描述】：

我们在 mysql 5 中遇到了关于大小写和重音的 utf8 字符串比较问题：

从我收集到的信息来看，MySQL 通过考虑“字符组应该被视为相等”来实现排序规则。

例如，在utf8_unicode_ci 排序规则中，所有字母“EÉÈÊeéèê”都在同一个框中（连同“e”的其他变体）。

因此，如果您有一个包含 ["video"、"vidéo"、"vidÉo"、"vidÊo"、"vidêo"、"vidÈo"、"vidèo"、"vidEo"] 的表（在声明为 varchar 的列中ut8_general_ci 排序规则）：

当要求 MySQL 根据该列对行进行排序时，排序是随机的（例如 MySQL 不强制执行“é”和“É”之间的排序规则）， 当要求 MySQL 在此列上添加唯一键时，它会引发错误，因为它认为所有值都相等。

我们可以用什么设置来修复这两点？

PS：在相关说明中，我没有看到 utf8 字符集的任何区分大小写的排序规则。我错过了什么吗？

---

[edit] 我认为我最初的问题仍然有一些兴趣，我会保持原样（也许有一天会得到肯定的答案）。

然而，事实证明，我们关于重音的字符串比较问题与我们的文本列的排序规则无关。它与与 MySQL 对话时 character_set_client 参数的配置问题有关 - 默认为 latin1。

这篇文章向我们解释了这一切，并允许我们解决问题：

Getting out of MySQL character set hell

这很长，但相信我，你需要这个长度来解释问题和解决方法。

【问题讨论】：

在 NCR 形式中，EÉÈÊeéèê 都是不同的。它们的值是：E É È Ê é è ê

使用utf8_unicode_ci。

链接已损坏 - 但 InternetArchive 有：web.archive.org/web/20141120180423/https://www.bluebox.net/…

【参考方案1】：

使用将这些字符视为不同的排序规则。也许是 utf8_bin （它区分大小写，因为它对字符进行二进制比较）

http://dev.mysql.com/doc/refman/5.7/en/charset-unicode-sets.html

【讨论】：

我的意思是：难道没有一个可以同时允许两者的排序规则吗？考虑这些不同的字符并以一致的顺序对它们进行排序？

我不确定，但如果没有，您可以创建自己的排序规则（从 MySQL 5.5 开始）dev.mysql.com/doc/refman/5.5/en/adding-collation.html

@LeGEC，是的，_bin 的排序顺序是一致的，因为这些值是明确排序的。当他们已经允许两者时，“允许两者”是什么意思？

@Pacerier：你是对的：在utf8_bin 中排序总是会给出相同的顺序；不过，我在想“与人类一致”：à 大于 a 且小于 b，é 大于 e 且小于 d 等...以便按名称（例如）给出最终用户的期望。

@LeGEC，那么您最终使用了哪种排序规则？