utf8mb4_unicode_ci 与 utf8mb4_bin

Posted 2023-02-25

技术标签:

【中文标题】utf8mb4_unicode_ci 与 utf8mb4_bin【英文标题】：utf8mb4_unicode_ci vs utf8mb4_bin 【发布时间】：2016-09-18 18:39:20 【问题描述】：

所以首先让我们看看我是否正确：

字符集是一组符号和编码。排序规则是一组用于比较字符集中字符的规则。

我应该使用 utf8mb4，因为 mysql utf8 是一种欺诈，最多 3 个字节，而不是 php 中真正的最多 4 个字节的真正 utf8 字符集。

因此，utf8mb4 是一个字符集，而 utf8mb4_unicode_ci/utf8mb4_bin 是他许多不同的可用排序规则中的 2 个。

utf8_unicode_ci 进行不区分大小写的比较和其他特殊比较（例如，我听说它与法语中的所有口音都混淆了）。 utf8_bin 区分大小写，因为它比较字符的二进制值。

现在的问题：

例如，如果我想使用 utf8mb4_unicode_ci 允许区分大小写的登录名，我将不得不执行以下操作：

SELECT name FROM table WHERE BINARY name = 'MyNaMEiSFUlloFUPPERCases';

例如，如果我想允许使用 utf8mb4_bin 进行不区分大小写的搜索，我将不得不执行以下操作：

SELECT name FROM table WHERE LOWER(name) LIKE '%myname%'

那么哪个更好？我听到的关于 utf8_unicode_ci 和重音/其他特殊字符的坏话呢？

谢谢你:)

【问题讨论】：

所以要完全控制我想我会坚持二进制然后自定义正则表达式，它的性能有多糟糕？如果您想要大小写折叠，但需要区分重音，请通过bugs.mysql.com 提出请求。 【参考方案1】：

你“做对了”吗？是的，除了我认为在 utf8mb4_unicode_520_ci 中比较法国口音是“正确的”。

您的两个SELECTs 都将进行全表扫描，因此效率低下。原因是您正在覆盖排序规则（对于 #1）或将列隐藏在函数中（LOWER，对于 #2）或使用前导通配符（LIKE %...）。

如果您希望它高效，请将name 声明为COLLATION utf8mb4_bin 并简单地执行WHERE name = ...。

您认为这些等价和排序中的某些对法语“不正确”吗？

A=a=ª=À=Á=Â=Ã=Ä=Å=à=á=â=ã=ä=å=Ā=ā=Ą=ą  Aa  ae=Æ=æ  az  B=b  C=c=Ç=ç=Ć=ć=Č=č  ch  cz
D=d=Ð=ð=Ď=ď  dz  E=e=È=É=Ê=Ë=è=é=ê=ë=Ē=ē=Ĕ=ĕ=Ė=ė=Ę=ę=Ě=ě  F=f  fz  ƒ  G=g=Ğ=ğ=Ģ=ģ
gz  H=h  hz  I=i=Ì=Í=Î=Ï=ì=í=î=ï=Ī=ī=Į=į=İ  ij=ĳ  iz  ı  J=j  K=k=Ķ=ķ
L=l=Ĺ=ĺ=Ļ=ļ=Ł=ł  lj=Ǉ=ǈ=ǉ  ll  lz  M=m  N=n=Ñ=ñ=Ń=ń=Ņ=ņ=Ň=ň  nz
O=o=º=Ò=Ó=Ô=Õ=Ö=Ø=ò=ó=ô=õ=ö=ø  oe=Œ=œ  oz  P=p  Q=q  R=r=Ř=ř  S=s=Ś=ś=Ş=ş=Š=š  sh
ss=ß  sz  T=t=Ť=ť  TM=tm=™  tz  U=u=Ù=Ú=Û=Ü=ù=ú=û=ü=Ū=ū=Ů=ů=Ų=ų  ue  uz  V=v  W=w  X=x
Y=y=Ý=ý=ÿ=Ÿ  yz  Z=z=Ź=ź=Ż=ż=Ž=ž  zh  zz  Þ=þ  µ

More utf8 collations 。 8.0 and utf8mb4 collations.

“520”（较新）版本不将 Æ、Ð、Ł 和 Ø 视为单独的“字母”，也许还有其他东西。

【讨论】：

【参考方案2】：