将军？箱子?Unicode？

Question

我试图找出我应该对各种类型的数据使用什么排序规则。我将存储的内容100%是用户提交的。

我的理解是，我应该使用UTF-8通用CI (大小写不敏感)，而不是UTF-8二进制。但是，我无法清楚地区分UTF-8通用CI和UTF-8 Unicode CI.

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

Answer 1

一般来说，utf8_general_ci比utf8_unicode_ci快，但不太正确。

以下是不同之处：

对于任何Unicode字符集，使用排序规则执行的_general_ci操作比对_unicode_ci排序规则执行的操作要快。例如，对utf8_general_ci排序规则的比较比对utf8_unicode_ci的比较更快，但稍微不正确。这是因为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比较时。例如，在德语和其他一些语言中，“some”等于“ss”。utf8_unicode_ci还支持收缩和可忽略的字符。utf8_general_ci是不支持扩展、收缩或可忽略字符的遗留排序规则。它只能对字符进行一对一的比较。

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

有关更详细的解释，请阅读MySQL论坛的以下文章：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.在constrast中，utf8_bin是区分大小写的(以及其他差异)，因为它比较字符的二进制值。

Answer 2

您还应该注意到，对于utf8_general_ci，当使用varchar字段作为唯一索引或主索引时，插入'a‘和'á’这样的2个值会导致重复的键错误。

Answer 3

• utf8_bin盲目地比较比特。没有折叠，没有脱口口音。
• utf8_general_ci比较了一个码点和一个码点。它做大小写折叠和重音剥离，但没有两个字符的比较；例如:在这个排序规则中，ij并不等于ij。
• utf8_*_ci是一组特定于语言的规则，但与unicode_ci不同.一些特例：Ç，Č，ch，ll
• utf8_unicode_ci遵循传统的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

有关在各种校对图排序规则中什么等于什么的详细信息，请参见utf8。

utf8，如MySQL所定义的，仅限于1到3字节的utf8代码.这就忽略了鄂莫吉和一些中国人。所以，如果你想要超越欧洲的话，你真的应该改用utf8mb4。

以上各点适用于utf8mb4，经过适当的拼写更改。展望未来，utf8mb4和utf8mb4_unicode_520_ci是首选。

• utf16和utf32是utf8上的变体，实际上对它们没有任何用处。
• ucs2更接近于"Unicode“，而不是"utf8"；它实际上是没有用的。