UTF-8: Genel? Çöp Kutusu? Unicode?

Çeşitli veri türleri için hangi harmanlamayı kullanmam gerektiğini anlamaya çalışıyorum. Depolayacağım içeriğin% 100'ü kullanıcı tarafından gönderildi.

Anladığım kadarıyla UTF-8 İkili yerine UTF-8 Genel CI (Büyük / Küçük Harfe Duyarsız) kullanmalıyım. Ancak UTF-8 Genel CI ve UTF-8 Unicode CI arasında net bir ayrım bulamıyorum.

1. Kullanıcı tarafından gönderilen içeriği UTF-8 General veya UTF-8 Unicode CI sütunlarında mı saklamalıyım?
2. UTF-8 Binary ne tür verilere uygulanabilir?

Genel olarak, utf8_general_ci utf8_unicode_ci'den daha hızlıdır , ancak daha az doğrudur.

Fark şu:

Herhangi bir Unicode karakter kümesi için, _general_ci harmanlama kullanılarak gerçekleştirilen işlemler _unicode_ci harmanlama işleminden daha hızlıdır . Örneğin, utf8_general_ci harmanlama karşılaştırmaları utf8_unicode_ci karşılaştırmasından daha hızlıdır, ancak biraz daha az doğrudur. Bunun nedeni utf8_unicode_ci'nin genişletme gibi eşlemeleri desteklemesi; diğer bir deyişle, bir karakter diğer karakterlerin kombinasyonlarıyla eşit olarak karşılaştırıldığında. Örneğin, Almanca ve diğer bazı dillerde “ß” “ss” e eşittir. utf8_unicode_ci kasılmaları ve cahil karakterleri de destekler. utf8_general_ci, genişletmeleri, kasılmaları veya cahil karakterleri desteklemeyen eski bir harmanlamadır. Karakterler arasında sadece bire bir karşılaştırma yapabilir.

Alıntı sahibi: http://dev.mysql.com/doc/refman/5.0/en/charset-unicode-sets.html

Daha ayrıntılı açıklama için lütfen MySQL forumlarından şu yayını okuyun: http://forums.mysql.com/read.php?103,187048,188748

Utf8_bin için: Hem utf8_general_ci hem de utf8_unicode_ci büyük / küçük harfe duyarlı olmayan karşılaştırma yapar. Buna karşılık, utf8_bin, karakterlerin ikili değerlerini karşılaştırdığından büyük / küçük harfe duyarlıdır (diğer farklılıklar arasında).

Ayrıca, bir varchar alanını benzersiz veya birincil dizin olarak 'a' ve 'á' gibi 2 değer ekleyerek kullanırken utf8_general_ci ile yinelenen bir anahtar hatası vereceğinin farkında olmalısınız.

• utf8_binbitleri körü körüne karşılaştırır. Vaka katlama yok, aksan sıyırma yok.
• utf8_general_cibir baytı bir baytla karşılaştırır. Vaka katlama ve vurgu sıyırma işlemlerini yapar, ancak 2 karakterli karşılaştırmalar yoktur: bu harmanlamada ijeşit değildir ij.
• utf8_*_cidile özgü kurallar kümesidir, ancak bunun gibi unicode_ci. Bazı özel durumlarda: Ç, Č, ch,ll
• utf8_unicode_cikarşılaştırmalar için eski bir Unicode standardını izler. ij= ij, ama ae! =æ
• utf8_unicode_520_cidaha yeni bir Unicode standardını izler. ae=æ

Çeşitli utf8 harmanlamalarında neyin eşit olduğuna ilişkin ayrıntılar için harmanlama tablosuna bakın .

utf8, MySQL tarafından tanımlandığı gibi 1- ila 3 baytlık utf8 kodları ile sınırlıdır. Bu Emoji ve bazı Çinlileri bırakır. Dolayısıyla, utf8mb4Avrupa'nın ötesine geçmek istiyorsanız gerçekten geçiş yapmalısınız .

Yukarıdaki noktalar utf8mb4, uygun yazım değişikliği sonrasında geçerlidir . İleriye utf8mb4ve utf8mb4_unicode_520_citercih edilir.

• utf16 ve utf32, utf8'deki varyantlardır; onlar için neredeyse hiç faydası yok.
• ucs2 "Unicode" a "utf8" den daha yakındır; neredeyse hiç faydası yok.

Gerçekten, sütunda 'é' ve 'e' gibi değerlerin kaydedilmesini benzersiz bir dizinle test ettim ve hem 'utf8_unicode_ci' hem de 'utf8_general_ci' üzerinde çift hataya neden oldular. Bunları yalnızca 'utf8_bin' harmanlanmış sütununa kaydedebilirsiniz.

Ve mysql dokümanları ( http://dev.mysql.com/doc/refman/5.7/en/charset-applications.html ) örnek setinde 'utf8_general_ci' harmanlamasını önerir.

[mysqld]
character-set-server=utf8
collation-server=utf8_general_ci

Kabul edilen cevap eski.

Eğer MySQL 5.5.3+ kullanırsanız kullanın utf8mb4_unicode_ciyerine utf8_unicode_cisize hataları vermeyecektir sizin kullanıcıların yazdığı karakterleri sağlamak için.

utf8mb4emojileri destekler, ancak utf8yüzlerce kodlama ile ilgili hataları size verebilir:

Incorrect string value: ‘\xF0\x9F\x98\x81…’ for column ‘data’ at row 1