Mysql中的定序utf8_unicode_ci、utf8_general_ci的區別總結

標籤：

Mysql中utf8_general_ci與utf8_unicode_ci有什麼區別呢？在程式設計語言中，通常用unicode對中文字元做處理，防止出現亂碼，那麼在MySQL裡，為什麼大家都使用utf8_general_ci而不是utf8_unicode_ci呢？

 

用了這麼長時間，發現自己竟然不知道utf_bin和utf_general_ci這兩者到底有什麼區別。。
ci是 case insensitive, 即 "大小寫不敏感", a 和 A 會在字元判斷中會被當做一樣的;
bin 是二進位, a 和 A 會別區別對待.
例如你運行:
SELECT * FROM table WHERE txt = ‘a‘
那麼在utf8_bin中你就找不到 txt = ‘A‘ 的那一行, 而 utf8_general_ci 則可以.
utf8_general_ci 不區分大小寫，這個你在註冊使用者名稱和郵箱的時候就要使用。
utf8_general_cs 區分大小寫，如果使用者名稱和郵箱用這個 就會照成不良後果
utf8_bin:字串每個字串用位元據編譯儲存。 區分大小寫，而且可以存二進位的內容

一、官方文檔說明
下面摘錄一下Mysql 5.1中文手冊中關於utf8_unicode_ci與utf8_general_ci的說明：

複製代碼代碼如下:
     當前，utf8_unicode_ci校對規則僅部分支援Unicode校對規則演算法。一些字元還是不能支援。並且，不能完全支援組合的記號。這主要影響越南和俄羅斯的一些少數民族語言，如：Udmurt 、Tatar、Bashkir和Mari。

     utf8_unicode_ci的最主要的特色是支援擴充，即當把一個字母看作與其它字母組合相等時。例如，在德語和一些其它語言中‘ß‘等於‘ss‘。

     utf8_general_ci是一個遺留的 校對規則，不支援擴充。它僅能夠在字元之間進行逐個比較。這意味著utf8_general_ci校對規則進行的比較速度很快，但是與使用utf8_unicode_ci的 校對規則相比，比較正確性較差）。

     例如，使用utf8_general_ci和utf8_unicode_ci兩種 校對規則下面的比較相等：
     Ä = A
     Ö = O
     Ü = U

     兩種校對規則之間的區別是，對於utf8_general_ci下面的等式成立：
     ß = s

     但是，對於utf8_unicode_ci下面等式成立：
     ß = ss

     對於一種語言僅當使用utf8_unicode_ci排序做的不好時，才執行與具體語言相關的utf8字元集 校對規則。例如，對於德語和法語，utf8_unicode_ci工作的很好，因此不再需要為這兩種語言建立特殊的utf8校對規則。

     utf8_general_ci也適用與德語和法語，除了‘ß‘等於‘s‘，而不是‘ss‘之外。如果你的應用能夠接受這些，那麼應該使用utf8_general_ci，因為它速度快。否則，使用utf8_unicode_ci，因為它比較準確。

如果你想使用gb2312編碼,那麼建議你使用latin1作為資料表的預設字元集,這樣就能直接用中文在命令列工具中插入資料,並且可以直接顯示出來.而不要使用gb2312或者gbk等字元集,如果擔心查詢排序等問題,可以使用binary屬性約束,例如:

複製代碼代碼如下:create table my_table ( name varchar(20) binary not null default ‘‘)type=myisam default charset latin1;

二、簡短總結
utf8_unicode_ci和utf8_general_ci對中、英文來說沒有實質的差別。
utf8_general_ci校對速度快，但準確度稍差。
utf8_unicode_ci準確度高，但校對速度稍慢。

如果你的應用有德語、法語或者俄語，請一定使用utf8_unicode_ci。一般用utf8_general_ci就夠了，到現在也沒發現問題。。。

三、詳細總結

1、對於一種語言僅當使用utf8_unicode_ci排序做的不好時，才執行與具體語言相關的utf8字元集校對規則。例如，對於德語和法語，utf8_unicode_ci工作的很好，因此不再需要為這兩種語言建立特殊的utf8校對規則。
2、utf8_general_ci也適用與德語和法語，除了‘?‘等於‘s‘，而不是‘ss‘之外。如果你的應用能夠接受這些，那麼應該使用 utf8_general_ci，因為它速度快。否則，使用utf8_unicode_ci，因為它比較準確。

用一句話概況上面這段話：utf8_unicode_ci比較準確，utf8_general_ci速度比較快。通常情況下 utf8_general_ci的準確性就夠我們用的了，在我看過很多程式源碼後，發現它們大多數也用的是utf8_general_ci，所以建立資料 庫時一般選用utf8_general_ci就可以了

四、如何在MySQL5.0中使用UTF8
在 my.cnf中增加下列參數

複製代碼代碼如下:
[mysqld]
init_connect=‘SET NAMES utf8′
default-character-set=utf8
default-collation = utf8_general_ci

執行查詢 mysql> show variables; 相關如下: 

複製代碼代碼如下:character_set_client | utf8 
character_set_connection | utf8 
character_set_database | utf8 
character_set_results | utf8 
character_set_server | utf8 
character_set_system | utf8

collation_connection | utf8_general_ci 
collation_database | utf8_general_ci 
collation_server | utf8_general_ci

個人見解，對於資料庫的使用，utf8 - general 已經足夠的準確，並且相較與  utf8 - unicode速度上有優勢，固可放心採用之

附1：舊資料升級辦法
以原來的字元集為latin1為例，升級成為utf8的字元集。原來的表: old_table (default charset=latin1)，新表：new_table(default charset=utf8)。
第一步：匯出舊資料

複製代碼代碼如下:mysqldump --default-character-set=latin1 -hlocalhost -uroot -B my_db --tables old_table > old.sql

第二步：轉換編碼(類似unix/linux環境下)

複製代碼代碼如下:iconv -t utf-8 -f gb2312 -c old.sql > new.sql

或者可以去掉 -f 參數，讓iconv自動判斷原來的字元集

複製代碼代碼如下:iconv -t utf-8 -c old.sql > new.sql

在這裡，假定原來的資料預設是gb2312編碼。
第三步：匯入
修改old.sql，在插入/更新語句開始之前，增加一條sql語句： "SET NAMES utf8;"，儲存。

複製代碼代碼如下:mysql -hlocalhost -uroot my_db < new.sql

大功告成！！

附2：支援查看utf8字元集的MySQL用戶端有
1.) MySQL-Front，據說這個項目已經被MySQL AB勒令停止了，不知為何，如果國內還有不少破解版可以下載（不代表我推薦使用破解版 :-P）。
2.) Navicat，另一款非常不錯的MySQL用戶端，漢化版剛出來，還邀請我試用過，總的來說還是不錯的，不過也需要付費。
3.) PhpMyAdmin，開源的php項目，非常好。
4.) Linux下的終端工具（Linux terminal），把終端的字元集設定為utf8，串連到MySQL之後，執行 SET NAMES UTF8; 也能讀寫utf8資料了。

 

Mysql中的定序utf8_unicode_ci、utf8_general_ci的區別總結