MySQL中utf8字符集、排序規則及utf8mb4_bin列大小寫不敏感方法

utf8mb4 和 utf8 比較

• utf8mb4: A UTF-8 encoding of the Unicode character set using one to four bytes per character.

• utf8mb3: A UTF-8 encoding of the Unicode character set using one to three bytes per character.

• utf8: An alias for utfmb3.

  (https://dev.mysql.com/doc/refman/8.0/en/charset-unicode-sets.html)

UTF-8是使用1~4個字節，一種變長的編碼格式。（字符編碼 ）

mb4即 most bytes 4，使用4個字節來表示完整的UTF-8。而MySQL中的utf8是utfmb3，只有三個字節，節省空間但不能表達所有的UTF-8，只能支持「基本多文種平面」（Basic Multilingual Plane，BMP）。

推薦使用utf8mb4。

utf8mb4_unicode_ci 和 utf8mb4_general_ci 比較

general_ci 更快，unicode_ci 更準確

 in German and some other languages ß is equal to ss.

這種狀況unicode_ci能準確判斷。

具體有什麼差異呢？參見下面的鏈接。

http://mysql.rjweb.org/utf8mb4_collations.html

utf8mb4_general_ci           P=p  Q=q  R=r=Ř=ř   S=s=ß=Ś=ś=Ş=ş=Š=š  sh  ss    sz
utf8mb4_unicode_ci           P=p  Q=q  R=r=Ř=ř   S=s=Ś=ś=Ş=ş=Š=š    sh  ss=ß  sz

能夠看到utf8mb4_general_ci中S=ß，而utf8mb4_unicode_ci中ss=ß 。

使用utf8mb4_bin能夠將上面的字符區分開來。

貌似general_ci 也快不了多少，因此更推薦unicode_ci。

大小寫敏感

utf8mb4_general_cs 大小寫敏感

utf8mb4_bin 大小寫敏感

但貌似不存在utf8_unicode_cs ，多是算法決定的吧？

utf8mb4_bin 列大小寫不敏感方法

需求

1. 插入的時候Uman 和Umān和uman 看作不一樣的單詞。
2. 查詢的時候Uman 和Umān和uman 都能同時查出來。

解決方案

使用MySQL虛擬生成列。MYSQL UTF8_bin case insensitive unique index

create table test_utf8_bin_ci
( u8 varchar(50) charset utf8mb4 collate utf8mb4_unicode_ci,
  u8_bin_ci varchar(50) charset utf8mb4 collate utf8mb4_bin as (lower(u8)) unique
);

insert into test_utf8_bin_ci (u8)
values ('A'),('Ä'),('Å'),('Â'),('Á'),('À');

根據需求，插入數據時：

• Uman 和Umān 看作不一樣的單詞，因此要utf8_bin.

• Uman 和 uman看作相同的單詞，因此添加unique約束，在utf8_bin區分大小寫的狀況下，使用low() 函數使其不區分大小寫。

查詢時：

• 查詢u8列，utf8mb4_unicode_ci不區分大小寫、不區分a和ā。都能查出來。