MariaDB/MySQL中的utf8mb4_unicode_ci和utf8mb4_unicode_520_ci排序区别？

Question

我登录MariaDB/MySQL并输入:

SHOW COLLATION;

我看到的utf8mb4_unicode_ci和utf8mb4_unicode_520_ci可用的排序规则之一.这两种排序规则之间有什么区别,我们应该使用哪种排序规则？

Answer 1

那么你需要阅读文档.我无法告诉你应该使用什么因为每个项目都不同.

10.1.3归类命名约定

MySQL排序规则名称遵循以下约定:

排序规则名称以与其关联的字符集的名称开头,后跟一个或多个指示其他排序规则特征的后缀.例如,utf8_general_ci和latin_swedish_ci分别是utf8和latin1字符集的排序规则.

特定于语言的排序规则包括语言名称.例如,utf8_turkish_ci和utf8_hungarian_ci分别使用土耳其语和匈牙利语的规则为utf8字符集排序字符.

排序的区分大小写由_ci(不区分大小写),_ cc(区分大小写)或_bin(二进制;字符比较基于字符二进制代码值)表示.例如,latin1_general_ci不区分大小写,latin1_general_cs区分大小写,latin1_bin使用二进制代码值.

对于Unicode,归类名称可能包含版本号,以指示归类所基于的Unicode归类算法(UCA)的版本.名称中没有版本号的基于UCA的排序规则使用版本-4.0.0 UCA权重键.例如:

utf8_unicode_ci(没有命名版本)基于UCA 4.0.0权重键>(http://www.unicode.org/Public/UCA/4.0.0/allkeys-4.0.0.txt).

utf8_unicode_520_ci基于UCA 5.2.0权重密钥(http://www.unicode.org/Public/UCA/5.2.0/allkeys.txt).

对于Unicode,xxx_general_mysql500_ci排序规则保留了原始xxx_general_ci排序规则的5.1.24之前的排序,并允许对MySQL 5.1.24之前创建的表进行升级.有关更多信息,请参见第2.11.3节"检查表或索引是否必须重建",以及第2.11.4节"重建或修复表或索引".

资料来源:https://dev.mysql.com/doc/refman/5.6/en/charset-collat​​ion-names.html

Answer 2

http://mysql.rjweb.org/utf8mb4_collat ​​ions.html 显示了这两种排序规则以及许多其他排序规则之间的差异。

\n

Unicode 提供了一个随着以下数字不断发展的标准：

\n

4.0.0 - utf8mb4_unicode_ci\n5.2.0 - utf8mb4_unicode_520_ci\n9.0.0 - utf8mb4_0900_ai_ci\n

\n

通常最好使用可用的最新标准。

\n

例如，在该页面上有

\n

utf8mb4_unicode_ci: \n A=a=\xc2\xaa=\xc3\x80=\xc3\x81=\xc3\x82=\xc3\x83=\xc3\x84=\xc3\x85=\xc3\xa0=\xc3\xa1=\xc3\xa2=\xc3\xa3=\xc3\xa4=\xc3\xa5=\xc4\x80=\xc4\x81=\xc4\x82=\xc4\x83=\xc4\x84=\xc4\x85  Aa  ae     az  \xc3\x86=\xc3\xa6\nutf8mb4_unicode_520_ci and utf8mb4_0900_ai_ci:\n A=a=\xc2\xaa=\xc3\x80=\xc3\x81=\xc3\x82=\xc3\x83=\xc3\x84=\xc3\x85=\xc3\xa0=\xc3\xa1=\xc3\xa2=\xc3\xa3=\xc3\xa4=\xc3\xa5=\xc4\x80=\xc4\x81=\xc4\x82=\xc4\x83=\xc4\x84=\xc4\x85  Aa  ae=\xc3\x86=\xc3\xa6 az\n

\n

这显示了与“A”的一个区别，即“\xc3\xa6”过去位于“az”之后，但在 5.2.0 和 9.0.0 中被视为等于“ae”。

\n

“\xc3\xa6”可能是这些排序规则中重音字母的唯一变化。甚至“\xc5\x93”始终等于“oe”

\n

Answer 3

要查看有关实际差异的更多讨论，您可以访问https://dev.mysql.com/worklog/task/?id=2673并单击“高级架构”。

Answer 4

我将开发@StuiterSlurf答案并关注utf8mb4_unicode_ci/的细节utf8mb4_unicode_520_ci：

正如您在此处（Peter Gulutzan）所读的那样，对波兰字母“？”进行排序/比较存在问题。（带笔画的L）（小写：“？”； html esc：ł和Ł）-我们在编码中有以下假设（与相同mb4）：

utf8_polish_ci      ? greater than L and less than M
utf8_unicode_ci     ? greater than L and less than M
utf8_unicode_520_ci ? equal to L
utf8_general_ci     ? greater than Z

波兰语字母？在字母L之后和M之前。对于不同的编码系统，您将获得不同的排序结果。这种编码的好与坏都没有，这取决于您的需求。