MYSQL校對規則

一、前言

有時候遇到這種情況，你用一個like語句查詢，查到的結果中有一些並沒有包含你查詢的關鍵詞的紀錄；
有時候遇到這種情況，你的數據庫自作聰明的大小寫不敏感，讓你在更新時把大小寫不同的兩條記錄都更新了；
有時候遇到這種情況，你的查詢語句一切正常，查詢卻失敗了，報告Illegal mix of collations錯誤；

你很困惑，在想數據庫是不是壞了。。。其實 ，這些都和數據庫字符集的校對規則有關；了解了校對規則，你就知道怎樣處理這些問題。

那么，校對規則是怎么回事呢？它是一組規則，負責決定某一字符集下的字符進行比較和排序的結果。

比如說，有latin1字符集中的字母A和a，我們需要它們在比較的時候相等，那么，我們可以使用字符集校對規則 latin1_general_ci；這種校對規則在比較和排序的時候不區分大小寫；如果我們需要他們在比較的時候不等呢？也很簡單，我們可以使用字符集校對規則latin1_bin;這種校對規則會以二進制的方式對字符進行比較，很明顯，a和A的二進制編碼不同，比較的結果就是不等。

上面的場景說明了校對規則在最簡單情況下起的作用；實際情況與此並沒有太多不同，只不過稍微有些復雜而已。

 

二、校對規則總覽

我們可以使用 SHOW COLLATION 指令來查看數據庫支持的校對規則

在圖中，我們列出了數據庫支持的latin1字符集的校對規則。為什么一種字符集竟然有這么多種的校對規則呢？因為在不同的情況下，對比較的結果有不同的期待，所以就有了不同的校對規則。前面說的大小寫敏感（latin1_general_cs）和不敏感（latin1_general_ci）是兩種校對規則，根據二進制方式進行比較（latin1_bin）也是一種校對規則，德國人（latin1_german1_ci）和西班牙人（latin1_spanish_ci）使用的某些不同的拉丁字符在某些情況下是等價的，所以有了兩種新的校對規則。

舉個例子，在latin1_german1_ci中，如下字符是等價的，而他們，具有不同的外形和編碼。當然，它們的編碼不同，所以在latin1_bin校對規則下，他們又是不等價的了。
A,a,À,Á,Â,Ã,Ä,Å,Æ,à,á,â,ã,ä,å,æ

 

三、校對規則導致的問題

1、混合校對規則比較

兩個字符串比較，要求兩者必須有相同的校對規則，或者兩者的校對規則是相容的——所謂相容是指，兩種校對規則優先級不同，比較的時候兩者使用高優先級的校對規則進行比較，比如latin1_bin的優先級相對較高。

CREATE TABLE `tbl` (
  `col_a` int(11) default NULL,
  `col_b` char(20) character set latin1 collate latin1_general_ci default NULL,
  `col_c` char(20) character set latin1 collate latin1_german1_ci default NULL,
  `col_d` char(20) character set latin1 collate latin1_bin default NULL,
  KEY `col_a` (`col_a`),
  KEY `col_b` (`col_b`)
) ENGINE=MyISAM DEFAULT CHARSET=latin1

在這個表中，col_b、col_c、col_d的校對規則各不同；其中，latin1_general_ci和latin1_german1_ci 校對規則同級，不能進行比較；如果強行比較的話，就會報錯，如下：

mysql> select * from tbl where col_b = col_c;
ERROR 1267 (HY000): Illegal mix of collations (latin1_general_ci,IMPLICIT) and (latin1_german1_ci,IMPLICIT) for operation '='

而latin1_general_ci和latin1_bin的優先級不同，latin1_bin高於latin1_general,因此比較的時候，會按照latin1_bin的規則進行比較。

mysql> select * from tbl where binary col_b = col_d;
Empty set (0.00 sec)

當然，可以在sql語句中強制指定校對規則進行比較，下面這個例子就說明了這一點：

mysql> select * from tbl where col_b COLLATE latin1_danish_ci = col_c COLLATE latin1_danish_ci;
Empty set (0.00 sec)

 

2、校對規則導致的問題——SELECT出錯誤的記錄

 在上面的基礎上，我們要演示一個常見的問題；我們需要對該數據表進行一定的處理：

alter table tbl modify col_b collate latin1_swedish_ci default null;
insert into tbl (col_b) values ('hao123');

然后進行下面的查詢

我們希望查詢的是包含“劉”的記錄，hao123這個和“劉”沒有任何關系的條目被選了出來，看起來很奇怪。
不過這不是數據庫出了問題，而是校對規則的使用上存在問題：
下面是我們使用ultraedit察看字符串的二進制編碼的結果，在gbk編碼下，hao123的編碼為68 61 6f 31 32 33，而劉的編碼位C1 F5。

在前面的latin1_swedish_ci 校對規則中可以看到：

61和C1都與41等價

6F和F5都與4F等價

這就是ao = 劉的原因。

解決辦法有兩個：
1）修改該字段的字符集和校對規則，改成gbk，這該問題不在存在。這是完美的解決方案，不過有些時候你沒有權限對數據庫進行這樣的改動。

mysql> alter table tbl modify col_b char(20) charset gbk default null;
Query OK, 1 row affected (0.01 sec)
Records: 1  Duplicates: 0  Warnings: 0

mysql> select * from tbl where binary col_b like like '%劉%';
Empty set (0.00 sec)

2）查詢的時候聲明校對規則為latin1_bin 。這樣可以在一定程度上緩解這個問題；不過如果col_b中只要含有c1 f5,就會被選出來——而c1 f5可能恰好是另外兩個字符的前半截和后半截，或者干脆就是 Á õ ....

mysql> select * from tbl where binary col_b like '%劉%';
Empty set (0.00 sec)

 

 

轉載：http://hi.baidu.com/cuttinger/item/e23013e372ee62adce2d4fda