Question

我正在试图弄清楚我应该为各种类型的数据使用哪种排序规则。我将存储的内容的100％是用户提交的。

我的理解是我应该使用UTF-8 General CI（Case-Insensitive）而不是UTF-8 Binary。但是，我无法清楚地区分UTF-8 General CI和UTF-8 Unicode CI。

我应该将用户提交的内容存储在UTF-8常规或UTF-8 Unicode CI列中吗？
UTF-8二进制文件适用于哪种类型的数据？

Answer 1

一般情况下， utf8_general_ci 比 utf8_unicode_ci 更快，但不太正确。

区别在于：

对于任何Unicode字符集，使用_general_ci排序规则执行的操作比_unicode_ci排序规则的操作更快。例如，与utf8_unicode_ci的比较相比，utf8_general_ci整理的比较更快，但更不正确。原因是utf8_unicode_ci支持扩展等映射;也就是说，当一个字符与其他字符的组合相等时。例如，在德语和其他一些语言中，“ß”等于“ss”。 utf8_unicode_ci还支持收缩和可忽略的字符。 utf8_general_ci是一种遗留的排序规则，不支持扩展，收缩或可忽略的字符。它只能在字符之间进行一对一的比较。

引自： http://dev.mysql.com/doc/refman/5.0/en/charset-unicode-sets.html

有关更详细的说明，请阅读MySQL论坛中的以下帖子： http://forums.mysql.com/read.php?103,187048,188748

至于utf8_bin： utf8_general_ci 和 utf8_unicode_ci 都执行不区分大小写的比较。相反， utf8_bin区分大小写（除其他差异外），因为它会比较字符的二进制值。

Answer 2

你还应该注意这样一个事实：当使用varchar字段作为唯一或主要索引时，使用utf8_general_ci插入2个值，如'a'和'á'会产生重复键错误。

Answer 3

utf8_bin盲目地比较这些比特。没有折叠，没有重点剥离的情况。
utf8_general_ci将一个字节与一个字节进行比较。它会进行案例折叠和重音剥离，但没有2个字符的比较：ij在此排序规则中不等于ĳ。
utf8_*_ci是一组特定于语言的规则，但与unicode_ci一样。一些特殊情况：Ç，Č，ch，ll
utf8_unicode_ci遵循旧的Unicode标准进行比较。 ij = ĳ，但ae！= æ
utf8_unicode_520_ci遵循较新的Unicode标准。 ae = æ

有关与各种utf8排序规则相同的详细信息，请参阅collation chart。

utf8，由MySQL 定义的仅限于1到3字节的utf8代码。这遗漏了表情符号和一些中文。所以，如果你想要超越欧洲，你应该切换到utf8mb4。

在适当的拼写更改后，以上几点适用于utf8mb4。展望未来，首选utf8mb4和utf8mb4_unicode_520_ci。

utf16和utf32是utf8的变体;对他们几乎毫无用处。

ucs2比“utf8”更接近“Unicode”;几乎没有用。

Answer 4

真的，我在唯一索引的列中测试了像'é'和'e'这样的保存值，它们会在'utf8_unicode_ci'和'utf8_general_ci'上导致重复错误。您只能将它们保存在'utf8_bin'整理列中。

并且mysql文档（在http://dev.mysql.com/doc/refman/5.7/en/charset-applications.html中）建议在其示例中设置'utf8_general_ci'整理。

[mysqld]
character-set-server=utf8
collation-server=utf8_general_ci

Answer 5

接受的答案已过时。

如果您使用MySQL 5.5.3+，请使用utf8mb4_unicode_ci代替utf8_unicode_ci，以确保用户键入的字符不会给您错误。

utf8mb4例如支持表情符号，而utf8可能会为您提供数百种与编码相关的错误，例如：

Incorrect string value: ‘\xF0\x9F\x98\x81…’ for column ‘data’ at row 1

UTF-8：一般？滨？ Unicode的？

5 个答案: