PHP使用MySQL的最佳sorting规则是什么？
我想知道是否有一个“最好的”select整理MySQL的一般网站，你不是100％确定将被input？ 我明白，所有的编码应该是相同的，如MySQL，Apache，HTML和PHP内的任何东西。
在过去，我已经设置PHP以“UTF-8”输出，但是这种整理是否在MySQL中匹配？ 我认为这是UTF-8之一，但我以前使用过utf8_unicode_ci ， utf8_general_ci和utf8_bin 。
主要区别在于sorting准确性（比较语言中的字符）和性能。 唯一特别的是用于比较二进制格式的字符的utf8_bin。
utf8_general_ci比utf8_unicode_ci快一些，但不太准确（用于sorting）。 特定的语言utf8编码 （如utf8_swedish_ci ）包含额外的语言规则，使他们对这些语言sorting最准确。 大多数情况下我使用utf8_unicode_ci （我更喜欢精确性来改善性能），除非我有充分的理由select特定的语言。
你可以在MySQL手册上阅读更多关于特定的unicode字符集 – http://dev.mysql.com/doc/refman/5.0/en/charset-unicode-sets.html
非常非常了解使用utf8_general_ci时可能发生的这个问题。
如果使用utf8_general_cisorting规则，MySQL将不会区分select语句中的某些字符。 这可能会导致非常讨厌的错误 – 特别是在涉及用户名的情况下。 根据使用数据库表的实现，此问题可能允许恶意用户创build与pipe理员帐户匹配的用户名。
这个问题至less在早期的5.x版本中公开了 – 我不确定这种行为是否稍后改变。
我不是DBA，但为了避免这个问题，我总是用utf8-bin而不是不区分大小写的。
下面的脚本通过示例来描述问题。
-- first, create a sandbox to play in CREATE DATABASE `sandbox`; use `sandbox`; -- next, make sure that your client connection is of the same -- character/collate type as the one we're going to test next: charset utf8 collate utf8_general_ci -- now, create the table and fill it with values CREATE TABLE `test` (`key` VARCHAR(16), `value` VARCHAR(16) ) CHARACTER SET utf8 COLLATE utf8_general_ci; INSERT INTO `test` VALUES ('Key ONE', 'value'), ('Key TWO', 'valúe'); -- (verify) SELECT * FROM `test`; -- now, expose the problem/bug: SELECT * FROM test WHERE `value` = 'value'; -- -- Note that we get BOTH keys here! MySQLs UTF8 collates that are -- case insensitive (ending with _ci) do not distinguish between -- both values! -- -- collate 'utf8_bin' doesn't have this problem, as I'll show next: -- -- first, reset the client connection charset/collate type charset utf8 collate utf8_bin -- next, convert the values that we've previously inserted in the table ALTER TABLE `test` CONVERT TO CHARACTER SET utf8 COLLATE utf8_bin; -- now, re-check for the bug SELECT * FROM test WHERE `value` = 'value'; -- -- Note that we get just one key now, as you'd expect. -- -- This problem appears to be specific to utf8. Next, I'll try to -- do the same with the 'latin1' charset: -- -- first, reset the client connection charset/collate type charset latin1 collate latin1_general_ci -- next, convert the values that we've previously inserted -- in the table ALTER TABLE `test` CONVERT TO CHARACTER SET latin1 COLLATE latin1_general_ci; -- now, re-check for the bug SELECT * FROM test WHERE `value` = 'value'; -- -- Again, only one key is returned (expected). This shows -- that the problem with utf8/utf8_generic_ci isn't present -- in latin1/latin1_general_ci -- -- To complete the example, I'll check with the binary collate -- of latin1 as well: -- first, reset the client connection charset/collate type charset latin1 collate latin1_bin -- next, convert the values that we've previously inserted in the table ALTER TABLE `test` CONVERT TO CHARACTER SET latin1 COLLATE latin1_bin; -- now, re-check for the bug SELECT * FROM test WHERE `value` = 'value'; -- -- Again, only one key is returned (expected). -- -- Finally, I'll re-introduce the problem in the exact same -- way (for any sceptics out there): -- first, reset the client connection charset/collate type charset utf8 collate utf8_generic_ci -- next, convert the values that we've previously inserted in the table ALTER TABLE `test` CONVERT TO CHARACTER SET utf8 COLLATE utf8_general_ci; -- now, re-check for the problem/bug SELECT * FROM test WHERE `value` = 'value'; -- -- Two keys. -- DROP DATABASE sandbox;
其实，你可能想要使用utf8_unicode_ci或utf8_general_ci 。
-
utf8_general_ci通过去除所有的重音和sorting，就好像它是ASCII一样 -
utf8_unicode_ci使用Unicodesorting顺序，因此它在更多语言中正确sorting
但是，如果您只是使用这个来存储英文文本，这些不应该有所不同。
最好使用utf8mb4归类的字符集utf8mb4_unicode_ci 。
字符集utf8只支持less量的UTF-8编码点，约占可能字符的6％。 utf8只支持基本多语言平面（BMP）。 还有其他16架飞机。 每个平面包含65,536个字符。 utf8mb4支持全部17架飞机。
MySQL将截断4字节的UTF-8字符，导致数据损坏。
utf8mb4字符集是在2010年3月24日在MySQL 5.5.3中引入的。
一些使用新字符集所需的更改不是微不足道的：
- 可能需要在应用程序数据库适配器中进行更改。
- 需要对my.cnf进行更改，包括设置字符集，整理和切换innodb_file_format到Barracuda
- SQL CREATE语句可能需要包含：
ROW_FORMAT=DYNAMIC- DYNAMIC是VARCHAR（192）及更大的索引所必需的。
注意：从Antelope切换到Barracuda ，可能需要多次重新启动MySQL服务。 innodb_file_format_max不会改变，直到MySQL服务重新启动后： innodb_file_format = barracuda 。
MySQL使用旧的Antelope InnoDB文件格式。 Barracuda支持dynamic行格式，如果您不想在切换到字符集之后创build索引和键时遇到SQL错误，您将需要这些格式： utf8mb4
- ＃1709 – 索引列的大小太大。 最大列大小是767字节。
- ＃1071 – 指定的密钥太长; 最大密钥长度是767字节
以下场景已经在MySQL 5.6.17上进行了testing：默认情况下，MySQL是这样configuration的：
SHOW VARIABLES; innodb_large_prefix = OFF innodb_file_format = Antelope
停止你的MySQL服务，并将选项添加到你现有的my.cnf中：
[client] default-character-set= utf8mb4 [mysqld] explicit_defaults_for_timestamp = true innodb_large_prefix = true innodb_file_format = barracuda innodb_file_format_max = barracuda innodb_file_per_table = true # Character collation character_set_server=utf8mb4 collation_server=utf8mb4_unicode_ci
示例SQL CREATE语句：
CREATE TABLE Contacts ( id INT AUTO_INCREMENT NOT NULL, ownerId INT DEFAULT NULL, created timestamp NOT NULL DEFAULT '0000-00-00 00:00:00', modified timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP, contact VARCHAR(640) NOT NULL, prefix VARCHAR(128) NOT NULL, first VARCHAR(128) NOT NULL, middle VARCHAR(128) NOT NULL, last VARCHAR(128) NOT NULL, suffix VARCHAR(128) NOT NULL, notes MEDIUMTEXT NOT NULL, INDEX IDX_CA367725E05EFD25 (ownerId), INDEX created (created), INDEX modified_idx (modified), INDEX contact_idx (contact), PRIMARY KEY(id) ) DEFAULT CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci ENGINE = InnoDB ROW_FORMAT=DYNAMIC;
- 如果从CREATE语句中删除了
ROW_FORMAT=DYNAMIC则可以看到为INDEX contact_idx (contact)生成的错误＃1709。
注意：将索引更改为限制为contact的前128个字符，无需使用ROW_FORMAT=DYNAMIC Barracuda
INDEX contact_idx (contact(128)),
另外请注意：当它说的字段的大小是VARCHAR(128) ，这不是128个字节。 您可以使用128个，4个字节的字符或128个1个字节的字符。
这个INSERT语句应该包含2行中的4个字节的'poo'字符：
INSERT INTO `Contacts` (`id`, `ownerId`, `created`, `modified`, `contact`, `prefix`, `first`, `middle`, `last`, `suffix`, `notes`) VALUES (1, NULL, '0000-00-00 00:00:00', '2014-08-25 03:00:36', '1234567890', '12345678901234567890', '1234567890123456789012345678901234567890', '1234567890123456789012345678901234567890', '12345678901234567890123456789012345678901234567890123456789012345678901234567890123456789012345678901234567890123456789012345678', '', ''), (2, NULL, '0000-00-00 00:00:00', '2014-08-25 03:05:57', 'poo', '12345678901234567890', '💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩', '💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩', '💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩', '', ''), (3, NULL, '0000-00-00 00:00:00', '2014-08-25 03:05:57', 'poo', '12345678901234567890', '💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩', '💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩', '123💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩💩', '', '');
您可以看到last列使用的空间量：
mysql> SELECT BIT_LENGTH(`last`), CHAR_LENGTH(`last`) FROM `Contacts`; +--------------------+---------------------+ | BIT_LENGTH(`last`) | CHAR_LENGTH(`last`) | +--------------------+---------------------+ | 1024 | 128 | -- All characters are ASCII | 4096 | 128 | -- All characters are 4 bytes | 4024 | 128 | -- 3 characters are ASCII, 125 are 4 bytes +--------------------+---------------------+
在您的数据库适配器中，您可能需要为连接设置字符集和sorting规则：
SET NAMES 'utf8mb4' COLLATE 'utf8mb4_unicode_ci'
在PHP中，这将被设置为： \PDO::MYSQL_ATTR_INIT_COMMAND
参考文献：
- Mysql 5.6参考手册：InnoDB表的限制
- 如何在MySQL数据库中支持完整的Unicode
sorting规则会影响数据的sorting方式以及string如何相互比较。 这意味着您应该使用大多数用户期望的sorting规则。
来自文档的示例：
除了“ß”等于“s”，而不是“ss”之外，
utf8_general_ci对于德语和法语都是令人满意的。 如果你的应用程序可以接受，那么你应该使用utf8_general_ci因为它更快。 否则，使用utf8_unicode_ci是因为它更准确。
所以 – 这取决于您的预期用户群和多less你需要正确的sorting。 对于英文用户群， utf8_general_ci应该足够了，对于其他语言，如瑞典语，已经创build了特殊的归类。
基本上，这取决于你如何看待一个string。
由于Guus突出显示的问题，我总是使用utf8_bin。 在我看来，就数据库而言，string依然只是一个string。 一个string是一些UTF-8字符。 一个字符有二进制表示，所以为什么它需要知道你正在使用的语言？ 通常，人们将为具有多语种站点的系统构build数据库。 这是使用UTF-8作为字符集的重点。 我是一个纯粹主义者，但我认为这个bug的风险大大超过了你在索引方面可能带来的轻微优势。 任何语言相关的规则都应该在比DBMS高得多的水平上完成。
在我的书中，“价值”不应该在一百万年内等于“valúe”。
如果我想存储一个文本字段并进行不区分大小写的search，我将使用PHP函数（如LOWER（）和php函数strtolower（））的MYSQLstring函数。
对于UTF-8文本信息，您应该使用utf8_general_ci因为…
-
utf8_bin：通过string中每个字符的二进制值比较string -
utf8_general_ci：使用通用语言规则比较string，并使用不区分大小写的比较
也就是说它将会使数据的search和索引更快/更高效/更有用。
被接受的答案相当明确地暗示了使用utf8_unicode_ci，而对于新的项目来说，这很好，我想把我最近的相反的经验，以防万一节省时间。
因为utf8_general_ci是MySQL中默认的Unicodesorting规则，所以如果你想使用utf8_unicode_ci，那么你最终不得不在很多地方指定它。
例如，所有的客户端连接不仅有一个默认的字符集（对我来说是有意义的），而且还有一个默认的sorting规则（即sorting总是默认为Unicode的utf8_general_ci）。
很有可能，如果你的字段使用utf8_unicode_ci，那么连接到数据库的脚本将需要更新，以明确地提到所需的sorting规则 – 否则，当连接使用默认sorting规则时，使用文本string的查询可能会失败。
结果是，在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，最终可能会被迫使用utf8_general_ci。
对于Guus强调的情况，我强烈build议使用utf8_unicode_cs（区分大小写，严格匹配，大部分正确sorting）而不是utf8_bin（严格匹配，不正确的sorting）。
如果该字段用于search，而不是匹配用户，则使用utf8_general_ci或utf8_unicode_ci。 两者都是不区分大小写的，一个会失败匹配（'ß'等于's'，而不是'ss'）。 还有语言特定的版本，如utf8_german_ci，其中丢失匹配更适合于指定的语言。
我发现这些sorting图有帮助。 http://collation-charts.org/mysql60/ 。 我不知道哪个是使用utf8_general_ci虽然。
例如，这里是utf8_swedish_ci的图表。 它显示了它解释为相同的字符。 http://collation-charts.org/mysql60/mysql604.utf8_swedish_ci.html
在您的数据库上传文件中，在任何一行之前添加followin行：
SET NAMES utf8;
而你的问题应该解决。
对于casee字段是为了search，而不是为用户匹配，那么使用utf8_general_ce字段是为了search，而不是为用户匹配，然后使用utf8_general_ci或utf8_unicode_ci。 两者都是不区分大小写的，一个会失败匹配（'ß'等于's'，而不是'ss'）。 还有语言特定的版本，如utf8_german_ci，其中丢失匹配更适合于指定的语言.i或utf8_unicode_ci。 两者都是不区分大小写的，一个会失败匹配（'ß'等于's'，而不是'ss'）。 还有语言特定的版本，如utf8_german_ci，其中丢失匹配更适合于指定的语言。 由Guus强调，我强烈build议使用utf8_unicode_cs（区分大小写，严格匹配，命令ce字段旨在search，而不是匹配的用户，然后使用utf8_general_ci或utf8_unicode_ci。两者都是不区分大小写，一个会失败匹配（'ß'等于's'，而不是'ss'）。还有语言特定的版本，比如utf8_german_ci，其中丢失匹配更适合指定的语言，大部分是正确的）而不是utf8_bin （严格匹配，不正确的sorting）。
如果该字段用于search，而不是匹配用户，则使用utf8_general_ci或utf8_unicode_ci。 两者都是不区分大小写的，一个会失败匹配（'ß'等于's'，而不是'ss'）。 还有语言特定的版本，如utf8_german_ci，其中丢失匹配更适合于指定的语言。
