我应该设置哪种COLLATE以使用所有可能的语言？

Question

我有一个名为username的列，我希望用户能够以日语，罗马语，阿拉伯语，韩语以及所有可能的字符（包括特殊字符[https://en.wiktionary.org/wiki/Index:All_languages]）插入文本， COLLATE我应该在数据库和表上进行设置吗？

我正在使用utf_general_ci，我是新手，所以我不知道这是否是满足我需求的最佳COLLATE。我需要选择正确的COLLATE以避免sql错误，因为我不会使用preg_replace或函数来替换特殊字符，因此我只会使用prepared statement避免SLQ注入并通过数据库。

Answer 1

• 首选（MySQL 8.0）：utf8mb4_0900_ai_ci
• 第二选择（从5.6开始）：utf8mb4_unicode_520_ci
• 第三种选择（5.5+）：utf8mb4_unicode_ci
• 在5.5之前，您无法处理所有中文，也无法处理表情符号：utf8_unicode_ci

数字表示Unicode标准9.0、5.20和（无数字）4.0。

没有排序规则适合同时对所有语言进行排序。西班牙语，德语，土耳其语等具有不兼容的怪癖。上面的归类是可用的“最佳”通用归类。

utf8mb4处理所有尚未由Unicode指定的字符（包括切诺基，克林贡语，楔形文字，拜占庭语等）

如果重点是葡萄牙语：

请参见https://pt.stackoverflow.com/和MySQL collation for Portugese。

研究this for 8.0或this for pre 8.0，以查看哪种utf8 / utf8mb4归类最接近“正确地”分类葡萄牙语。也许utf8mb4_danish_ci或utf8mb4_de_pb_0900_ai_ci是最好的。

（否则，请使用上面列出的“选择”。）

Answer 2

如果使用MySQL 5.5.3或更高版本，我建议使用UTF-8字符编码utf8mb4_unicode_ci 。 AFAIK支持大多数（如果不是全部）语言，并实现Unicode标准进行排序和比较。作为第二选择，请看一下utf8mb4_general_ci，它可能更快但也不太准确。

有关更多详情，请参见this excellent SO post，或查看official MySQL doc。

在5.5.3以下，utf8_unicode_ci 是您的朋友。