Question

我正在使用一个使用德语名称的数据库，即Fürst。现在我用搜索字段构建了一个HTML表单。使用htmlentities和一些测试来验证没有输入“坏东西”，然后在查询之前输入html_entity_decode。然后，一个简单的查询将如下所示：

SELECT * FROM user_table WHERE firstname LIKE "%fü%" OR lastname LIKE "%fü%"

但是，这不仅可以找到Fürst，还可以查找Furt。我怎样才能解决这个问题？数据库和表位于utf8_unicode_ci，必须保持这种状态。

Answer 1

以下是collations for each charset

SELECT * FROM user_table WHERE firstname LIKE "%fü%" COLLATE utf8mb4_german2_ci            
                          OR lastname LIKE "%fü%" COLLATE utf8mb4_german2_ci

utf8mb4_unicode_ci可能也会起作用。

Answer 2

（简单评论太长了。）

COLLATION名称以CHARACTER SET名称开头。该主题提到了utf8，utf8mb4和latin1 CHARACTER SETs。必须使用COLLATION给定的CHARACTER SET。

首先选择一个CHARACTER SET。 utf8，utf8mb4和latin1都处理德语。但是，如果您希望处理其他语言，请考虑：

latin仅限于西欧语言。例如，它不能处理希腊语。（latin1每个字符需要1个字节。）
utf8mb4涵盖了所有已知语言，还有更多空间。（每个字符最多4个字节）在版本5.5.3之前，此CHARACTER SET不可用。
utf8是utf8mb4的子集，省略了一些中文字符和较新的表情符号。（每个字符最多3个字节）

CHARACTER SET提供字符的字节编码。 COLLATION说明两个字符串的比较方式，例如ss和ß是否应该被视为相等。

选择CHARACTER SET后，选择COLLATION。或者，让ID为“默认”：latin1_swedish_ci / utf8_general_ci / utf8mb4_general_ci。这些默认值有利于多语言使用;但这是值得商榷的。所有这些默认值都是ss！= ß。

展望未来，对于整体多语言数据，“最佳”解决方案为utf8mb4和utf8mb4_unicode_520_ci。

如果你专注于德语，那么可能想要考虑..._german2_ci整理。例如：

utf8_german2_ci     A=a=ª=À=Á=Á=Â=Ã=Å=à=á=á=â=ã=å=Ā=ā=Ą=ą     < ae=Ä=Æ=ä=æ < az < B
utf8_unicode_520_ci A=a=ª=À=Á=Á=Â=Ã=Ä=Å=à=á=á=â=ã=ä=å=Ā=ā=Ą=ą < ae=Æ=æ     < az < B
utf8_unicode_ci     A=a=ª=À=Á=Á=Â=Ã=Ä=Å=à=á=á=â=ã=ä=å=Ā=ā=Ą=ą < ae         < az < Æ=æ < B
utf8_general_ci     A=a=À=Á=Á=Â=Ã=Ä=Å=à=á=á=â=ã=ä=å=Ā=ā=Ą=ą   < Z < Æ=æ

（同上utf8mb4_...归类。）

所以，如果你真的关心æ的比较，你需要对整理进行挑剔。（utf8和utf8mb4的行为相同。）More collation comparisions。

ue=Ü=ü用于..._german2_ci归类，但可能没有其他归类。其他人（大多数）会对U=u=Ü=ü进行处理，并将ue作为两个字母进行比较。

使用LIKE条件用sql搜索德语字符

2 个答案: