什么 MySQL 排序规则最适合接受所有 unicode 字符？

Posted 2023-02-24

【中文标题】什么 MySQL 排序规则最适合接受所有 unicode 字符？

【英文标题】：What MySQL collation is best for accepting all unicode characters?

【发布时间】：2012-12-29 01:18:29

【问题描述】：

我们的专栏目前被整理到latin1_swedish_ci 并且特殊的 unicode 字符显然被删除了。我们希望能够接受U+272A ✪、U+2764 ❤、（参见this wikipedia article）等字符。我倾向于utf8_unicode_ci，这个排序规则会处理这些字符和其他字符吗？我不在乎速度，因为此列不是索引。

mysql 版本：5.5.28-1

【问题讨论】：

Mathias 在这里发帖，但我恰好在这里，并把它加入书签：mathiasbynens.be/notes/mysql-utf8mb4

【参考方案1】：

collat​​ion 是您最不用担心的，您需要考虑的是列/表/数据库的字符集。排序规则（管理数据如何比较和排序的规则）只是其必然结果。

MySQL 支持多种 Unicode 字符集，utf8 和 utf8mb4 是最有趣的。 utf8 支持 BMP 中的 Unicode 字符，即所有 Unicode 的子集。 utf8mb4，自 MySQL 5.5.3 起可用，支持所有的 Unicode。

与任何 Unicode 编码一起使用的排序规则很可能是xxx_general_ci 或xxx_unicode_ci。前者是一种独立于语言的通用排序和比较算法，后者是一种更完整语言独立的算法，支持更多的 Unicode 特性（例如将“ß”和“ss”视为等价），但因此也比较慢。

见https://dev.mysql.com/doc/refman/5.5/en/charset-unicode-sets.html。

【讨论】：

我运行了这个查询：ALTER TABLE mydb.mytable CHANGE mycolumn mycolumn VARCHAR(500) CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;，但我仍然没有得到正确的值，我是否还必须设置表和数据库字符集？

不，只有列有字符集，如果没有为每列指定，表和数据库字符集只是默认设置。那是什么意思，“你没有得到正确的值”？您如何尝试获得正确的值？您需要从前到后设置正确的连接字符集，包括客户端连接也需要设置为utf8mb4。有关详细说明，请参阅 this article。

一个 Java 应用程序正在更新数据库，而不是特殊的 unicode 字符，我只是在它们的位置看到了 ?。我不开发Java应用程序，我猜它一定是在转义字符本身。

这非常模糊。 :) 正如前面链接的文章中所述，编码必须从前到后正确处理以正确保留字符。问题可能出在链 (web?) Java DB 驱动程序 DB 中的任何地方。如果您不负责 Java 应用程序，只需确保数据库以正确的编码保存和返回数据。

我会将此转发给 Java 开发人员，看看是否能解决问题。不过我会给你赏金（在 4 小时内，我可以奖励它），谢谢你的帮助！