Mysql中校對集utf8_unicode_ci與utf8_general_ci的區別

標籤：使用   os   資料   ar   問題   工作   linux   amp   

一直對utf8_unicode_ci與utf8_general_ci這2個校對集很迷惑，今天查了手冊有了點眉目。不過對中文字元集來說採用utf8_unicode_ci與utf8_general_ci時有何區別還是不清楚？

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：

 

     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:

create table my_table ( name varchar(20) binary not null default ‘‘)type=myisam default charset latin1;

 

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

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)

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

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。

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。