utf8_general_ci和utf8_unicode_ci之间的差异是什么？ [重复]

2 回答

• 123

  utf8_general_ci 是一个非常简单的 - 在Unicode上，非常破碎 - 整理，一个在一般的Unicode文本上给出 incorrect results . 它的作用是：

  • 转换为Unicode规范化形式D，用于规范分解

  • 删除任何组合字符

  • 转换为大写

  这在Unicode上无法正常工作，因为它不了解Unicode大小写 . 单独使用Unicode外壳比使用ASCII思想的方法要复杂得多 . 例如：

  • “ẞ”的小写字母是“ß”，但“ß”的大写字母是“SS” .

  • 有两个小写的希腊sigma，但只有一个大写的;考虑“Σίσυφος” .

  • 像“ø”这样的字母不会分解为“o”加上变音符号，这意味着它将无法正确排序 .

  还有许多其他细微之处 .

  • utf8_unicode_ci 使用标准Unicode Collation Algorithm，支持所谓的扩展和连字，例如：德语字母ß（U 00DF LETTER SHARP S）在_1744793附近排序_LetterŒ（U 0152 LATIN CAPITAL LIGATURE OE）在"OE"附近排序 .

  utf8_general_ci 不支持扩展/连字，它将所有这些字母排序为单个字符，有时排序错误 .

  • utf8_unicode_ci 通常对所有脚本更准确 . 例如，在西里尔语块上： utf8_unicode_ci 适用于所有这些语言：俄语，保加利亚语，白俄罗斯语，马其顿语，塞尔维亚语和乌克兰语 . 虽然utf8_general_ci仅适用于俄罗斯和保加利亚语的西里尔语 . 白俄罗斯语，马其顿语，塞尔维亚语和乌克兰语中使用的额外字母排序不佳 .

  utf8_unicode_ci 的成本是它比 utf8_general_ci 慢一点 . 但这是你为正确性付出的代价 . 要么你能得到一个错误的快速回答，要么是一个非常慢的答案，这是正确的 . 你的选择 . 很难给出错误的答案，因此最好假设 utf8_general_ci 不存在并始终使用 utf8_unicode_ci . 好吧，除非你想要错误的答案 .

  资料来源：http://forums.mysql.com/read.php?103,187048,188748#msg-188748

  回复于 2024-05-08T06:26:37+08:00
• 19

  来自MySQL documentation中的Unicode Character Sets：

  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 .

  回复于 2024-05-08T06:26:37+08:00