带有“SORT_LOCALE_STRING”的排序函数返回不正确的结果

Question

我有一些MySQL记录，类型是VARCHAR，排序规则是

Tiếng Việt Nam
Tiếng Hoa Kỳ
Tiếng Anh
Tiếng Nhật
Tiếng Hàn Quốc
Tiếng Thái Lan

然后，我使用PHP按字母顺序对它们进行排序：

$languages = [
        'Tiếng Việt Nam',
        'Tiếng Hoa Kỳ',
        'Tiếng Anh',
        'Tiếng Nhật',
        'Tiếng Hàn Quốc',
        'Tiếng Thái Lan',
    ];
setlocale(LC_COLLATE, 'vi');
sort($languages, SORT_LOCALE_STRING);

这样调用var_dump($languages)时的结果：

array (size=6)
  0 => string 'Tiếng Anh' (length=11)
  1 => string 'Tiếng Hoa Kỳ' (length=16)
  2 => string 'Tiếng Nhật' (length=14)
  3 => string 'Tiếng Thái Lan' (length=17)
  4 => string 'Tiếng Việt Nam' (length=18)
  5 => string 'Tiếng Hàn Quốc' (length=22)

如果与'Tiếng Hàn Qúc‘的顺序不正确，结果应该如下：

array (size=6)
  0 => string 'Tiếng Anh' (length=11)
  1 => string 'Tiếng Hàn Quốc' (length=19)
  2 => string 'Tiếng Hoa Kỳ' (length=16)
  3 => string 'Tiếng Nhật' (length=14)
  4 => string 'Tiếng Thái Lan' (length=17)
  5 => string 'Tiếng Việt Nam' (length=18)

然后，将'Tiếng Hàn Quốc'替换为另一个( 'Tiếng Hàn Quốc')，直接键入MySQL (使用HeidiSQL)。最后，我得到了预期的结果。

我认为这里的不同之处是：

string 'Tiếng Hàn Quốc'(length=22)
string 'Tiếng Hàn Quốc'(length=19)

问题是：这里问题的根源是什么？如何在MySQL或MySql代码中解决这个问题，在不查找和替换MySQL中的所有不正确值的情况下获得预期的结果？

谢谢。

Answer 1

简短的回答:你需要这个校对：utf8mb4_vietnamese_ci。

长答案:字符串有不同的UTF-8十六进制表示：

Tiếng Hàn Quốc (length=20)  54 69 C3AA CC81 6E 67 48 61 CC80 6E 51 75 C3B4 CC81 63
Tiếng Hàn Quốc (length=17)  54 69  E1BABF   6E 67 48  C3A0   6E 51 75  E1BB91   63

然而，有一个潜在的问题：

C3AA        234=x00EA  [ê]    L  LATIN SMALL LETTER E WITH CIRCUMFLEX
CC81        769=x0301  [́]  NSM  COMBINING ACUTE ACCENT
6E          110=x006E  [n]    L  LATIN SMALL LETTER N

E1BABF     7871=x1EBF  [ế]    L  LATIN SMALL LETTER E WITH CIRCUMFLEX AND ACUTE
6E          110=x006E  [n]    L  LATIN SMALL LETTER N

在第一个字符串中，pair通过单个utf8字符(十六进制C3AA)呈现，而acute则通过一对utf8字符呈现--非间距重音和字母n。

在第一个字符串中，尖锐的重音是字母e的一部分。我对utf8中的越南语编码一无所知，但这听起来是“错误的”，如果急性应该真的出现在字母n上。

但是，无论如何，这两个字符串与排序规则utf8mb4_vietnamese_ci (或utf8_vietnamese_ci)是相等的。