Question

我有一张桌子，里面有一些来自中世纪书籍的文字，并且有一些重音字母在现代拉丁字母表中不再存在。我可以使用UTF-8组合字符轻松表示这些字母。例如，创建一个＆＃34; J＆＃34;使用波浪号，我使用UTF-8序列\ u004A + \ u0303，J用波浪号重音。

该表使用utf8编码，字段排序规则为utf8_unicode_ci。

我的问题如下：如果我尝试选择整个字符串，我会收到正确答案。如果我尝试选择使用＆＃39; LIKE＆＃39;，我会收到错误的答案。

例如：

mysql> select word, hex(word) from oldword where word = 'hua';
+--------+--------------+
| word   | hex(word)    |
+--------+--------------+
| hũa    | 6875CC8361   |
| huã    | 6875C3A3     |
| hua    | 687561       |
| hũã    | 6875CC83C3A3 |
+--------+--------------+
4 rows in set (0,04 sec)

mysql> select word, hex(word) from oldword where word like 'hua';
+-------+------------+
| word  | hex(word)  |
+-------+------------+
| huã   | 6875C3A3   |
| hua   | 687561     |
+-------+------------+
2 rows in set (0,04 sec)

我不想只搜索整个单词。我想搜索以某些子字符串开头的单词。最终搜索到的单词就是整个单词。

如何使用like选择部分字符串并匹配所有字符串？

我尝试使用this information创建自定义归类，但服务器变得不稳定，只有经过大量试验和错误后，我才能再次恢复到utf8_unicode_ci归类，服务器恢复正常状态。 / p>

编辑：此网站存在问题，某些字符无法正常显示。请查看这些pastebins的结果：

http://pastebin.com/mckJTLFX

http://pastebin.com/WP87QvgB

Answer 1

看到马库斯亚当斯＆＃39;回答我意识到REPLACE功能可以解决这个问题，虽然他没有提到这个功能。

因为我只有两个不同的组合字符（急性和波浪形），与其他ASCII字符组合，例如j代表波浪号，j代表尖锐，m代表波浪号，s代表波浪号，等等。我只需要在使用LIKE时替换这两个字符。

在搜索手册后，我了解了UNHEX函数，它帮助我在查询中正确表示组合字符以删除它们。

组合波浪号在HEX代码中由CC83表示，而急性在HEX中由CC81表示。

因此，解决我问题的查询就是这个。

SELECT word, REPLACE(REPLACE(word, UNHEX("CC83"), ""), UNHEX("CC81"), "")
FROM oldword WHERE REPLACE(REPLACE(word, UNHEX("CC83"), ""), UNHEX("CC81"), "") 
LIKE 'hua%';`

Answer 2

问题是LIKE逐个字符地执行比较，当使用“合并tilda”时，它实际上是两个字符，虽然它显示为一个（假设您的客户端支持显示它）

永远不会有比较例如逐个字符hu~a到hua会匹配，因为第三个字符会比较~和a。

整理（和强制）对你有利，并且在比较整个字符串时处理这些事情，但在逐个字符比较时却没有。

即使您考虑使用SUBSTRING()作为黑客而不是使用带有通配符LIKE的{{1}}来执行前缀搜索，请考虑以下事项：

你必须知道自己要去的长度或者像这样蛮力：

SELECT SUBSTRING('hũa', 1, 3) = 'hua'
-> 0
SELECT SUBSTRING('hũa', 1, 4) = 'hua'
-> 1

Answer 3

根据this：

在5.6版的所有utf8归类中，

ũ的归类等于普通U。

在大多数排序规则中，

j́的排序规则与普通J相同；例外：

utf8_general*ci，因为它实际上是j加上一个重音符号。而“一般”归类一次只查看一个字符（与 byte 区别）。大多数排序规则都会考虑多个字符，例如西班牙语的ch或ll或德语的ss。
utf8_roman_ci，这很奇怪。 j́=i=j

（{LIKE并不完全遵循常规的排序规则。我不熟悉细节，但是我认为J被表示为2个字符会导致其在{{1 }}，而不是LIKE或WHERE。此外，我不知道ORDER BY是否像REPLACE()或其他地方那样整理。）

Answer 4

您可以像使用通配符一样使用％符号。例如：

SELECT word
FROM myTable
WHERE word LIKE 'hua%';

这将拉出所有以hua开头的记录，并且后面跟着0+个字符。这是一个SQL Fiddle示例。

MySQL用＆＃39; =＆＃39;选择UTF-8字符串但不喜欢＆＃39; LIKE＆＃39;

4 个答案: