我想知道,对于您不能100%确定将要输入的内容的普通网站,MySQL中是否有“最佳”排序选择?我知道所有的编码应该是相同的,比如MySQL、Apache、HTML和PHP中的任何内容。
在过去,我将PHP设置为以“UTF-8”输出,但这与MySQL中的排序规则匹配?我认为它是UTF-8之一,但我以前使用过utf8_unicode_ci、utf8_general_ci和utf8_bin。
我想知道,对于您不能100%确定将要输入的内容的普通网站,MySQL中是否有“最佳”排序选择?我知道所有的编码应该是相同的,比如MySQL、Apache、HTML和PHP中的任何内容。
在过去,我将PHP设置为以“UTF-8”输出,但这与MySQL中的排序规则匹配?我认为它是UTF-8之一,但我以前使用过utf8_unicode_ci、utf8_general_ci和utf8_bin。
当前回答
排序规则影响数据的排序方式以及字符串之间的比较方式。这意味着您应该使用大多数用户期望的排序规则。
charset unicode文档中的示例:
utf8_general_ci也令人满意德语和法语,除了“ß”等于“s”,而不是“ss”。如果您可以接受应用程序,则应使用utf8_general_ci,因为它更快。否则,请使用utf8_unicode_ci,因为它更准确。
所以,这取决于您的预期用户群以及您需要正确排序的程度。对于英语用户群,utf8_general_ci应该足够了,对于其他语言,如瑞典语,已经创建了特殊的排序规则。
其他回答
对于UTF-8文本信息,应该使用utf8_general_ci,因为。。。
utf8_bin:按中每个字符的二进制值字符串utf8_general_ci:比较字符串使用通用语言规则和使用不区分大小写的比较
也就是说,它将使搜索和索引数据更快、更有效、更有用。
主要区别是排序精度(比较语言中的字符时)和性能。唯一特殊的是utf8_bin,它用于比较二进制格式的字符。
utf8_generalci比utf8_unicodeci稍快,但不太准确(用于排序)。特定语言utf8编码(如utf8_swedish_ci)包含额外的语言规则,这些规则使这些语言的排序最准确。大多数时候我使用utf8_unicode_ci(我更喜欢精确性而不是小的性能改进),除非我有充分的理由更喜欢特定的语言。
您可以在MySQL手册上阅读有关特定unicode字符集的更多信息-http://dev.mysql.com/doc/refman/5.0/en/charset-unicode-sets.html
本质上,这取决于你如何看待字符串。
由于Guus强调的问题,我总是使用utf8_bin。在我看来,就数据库而言,字符串仍然只是一个字符串。字符串是一组UTF-8字符。一个字符有一个二进制表示,所以为什么它需要知道你使用的语言?通常,人们会为多语言站点的系统构建数据库。这就是使用UTF-8作为字符集的全部意义。我是一个有点纯粹的人,但我认为错误风险大大超过了索引可能带来的微小优势。任何与语言相关的规则都应该在比DBMS高得多的级别上执行。
在我的书中,“价值”在一百万年内永远不应该等于“价值”。
如果我想存储文本字段并进行不区分大小写的搜索,我将使用MYSQL字符串函数和PHP函数,如LOWER()和PHP函数strtolower()。
公认的答案相当明确地建议使用utf8_unicode_ci,而对于很棒的新项目,我想讲述一下我最近的相反经验,以防节省任何人的时间。
因为utf8_general_ci是MySQL中Unicode的默认排序规则,所以如果您想使用utf8_Unicode_ci,那么您必须在很多地方指定它。
例如,所有客户端连接不仅有一个默认字符集(对我来说有意义),而且还有一个默认排序规则(即,对于unicode,排序规则将始终默认为utf8_general_ci)。
很可能,如果您对字段使用utf8_unicode_ci,则需要更新连接到数据库的脚本,以明确提及所需的排序规则,否则当您的连接使用默认排序规则时,使用文本字符串的查询可能会失败。
结果是,当将任何大小的现有系统转换为Unicode/utf8时,由于MySQL处理默认值的方式,您可能会被迫使用utf8_general_ci。
对于Guus强调的情况,我强烈建议使用utf8_unicode_cs(区分大小写,严格匹配,大多数情况下正确排序),而不是utf8_bin(严格匹配,不正确排序)。
如果要搜索字段,而不是匹配用户,则使用utf8_general_ci或utf8_unicode_ci。两者都不区分大小写,将失去匹配(“ß”等于“s”,而不是“ss”)。还有一些特定于语言的版本,如utf8_german_ci,其中丢失匹配更适合指定的语言。
[编辑-近6年后]
我不再推荐MySQL上的“utf8”字符集,而是推荐“utf8mb4”字符集。它们几乎完全匹配,但允许更多的unicode字符。
实际上,MySQL应该更新了“utf8”字符集和相应的排序规则,以匹配“utf7”规范,但取而代之的是,单独的字符集和各自的排序规则不会影响已使用其不完整的“utf9”字符集的存储指定。