URL 排序规则

Posted 2023-02-24

【中文标题】URL 排序规则

【英文标题】：Collation for URL

【发布时间】：2012-08-15 19:10:30

【问题描述】：

警告：我对数据库排序规则知之甚少，因此如果有任何明显的问题，请提前道歉......

我们有一个包含 url 的数据库列。我们想在这个列上放置一个唯一的约束/索引。

我注意到在默认的数据库排序规则Latin1_General_CI_AS 下，此列中存在欺骗，因为（例如）url http://1.2.3.4:5678/someResource 和http://1.2.3.4:5678/SomeResource 被认为是相等的。通常情况并非如此...此 url 指向的服务器类型 区分大小写。

对于这样的列，最合适的排序规则是什么？显然区分大小写是必须的，但是Latin1_General?网址是Latin1_General 吗？我不关心字典顺序，但唯一索引/分组的相等性很重要。

【问题讨论】：

为什么您认为排序规则比其他排序规则更好？还不够用 CS ('CS specifies case-sensitive.')？

您是否在插入之前对 URL 进行规范化，例如防止添加http://host1/SomeResource 和http://host1:80/SomeResource？如果没有，您不会通过添加此约束获得太多收益。

@Damien_The_Unbeliever，确实如此。网址在插入前已被完全处理。

@danihp：我的理解是，在某些排序规则下，字符对被认为是相等的，但在其他排序规则下却不是。如果我是正确的，这将影响我选择排序规则。

我明白了，我现在发布答案。

【参考方案1】：

您可以alter table为此列设置CS（区分大小写）排序规则：

ALTER TABLE dbo.MyTable 
       ALTER COLUMN URLColumn varchar(max) COLLATE Latin1_General_CS_AS

您也可以在 SQL 语句中指定排序规则：

SELECT * FROM dbo.MyTable
          WHERE UrlColumn like '%AbC%' COLLATE Latin1_General_CS_AS

这是一个short article 供参考。

【参考方案2】：

排序规则中的字母CI 表示不区分大小写。

对于将是拉丁字符和符号的一小部分的 URL，然后尝试Latin1_General_CS_AI

【参考方案3】：

Latin1_General 使用代码页 1252 (1)，并且 URL 允许的字符包含在该代码页 (2) 中，因此您可以说 URL 是 Latin1_General。

您只需选择区分大小写的选项Latin1_General_CS_AS

【参考方案4】：

rfc3986 说：

ABNF 表示法将其终端值定义为非负数 基于 US-ASCII 编码字符集的整数（代码点） [ASCII]。

***说允许的字符是：

Unreserved
May be encoded but it is not necessary
A B C D E F G H I J K L M N O P Q R S T U V W X Y Z
a b c d e f g h i j k l m n o p q r s t u v w x y z
0 1 2 3 4 5 6 7 8 9 - _ . ~

Reserved
Have to be encoded sometimes
! * ' ( ) ; : @ & = + $ , / ? % # [ ]

在比较操作中，这些字符之间似乎没有冲突。此外，您可以使用HASHBYTES 函数进行此比较。

但这种操作并不是主要问题。主要问题是http://domain:80 和http://domain 可能相同。同样对于编码字符，url 可能与编码字符不同。

在我看来，RDBMS 会将这种结构合并为新的数据类型：url、电话号码、电子邮件地址、mac 地址、密码、纬度、经度……。我认为排序规则会有所帮助，但不会解决这个问题。

【讨论】：

确实...鉴于 Uris 是标识符，我认为它们作为***数据类型的地位是当之无愧的。