MySQL：何时使用utf8mb4(bin, general_ci, unicode_520_ci)

在本文中，我们将介绍在MySQL中何时使用utf8mb4字符集的不同排序和比较规则(bin, general_ci, unicode_520_ci)，以及它们之间的区别和使用场景。

阅读更多：MySQL 教程

什么是utf8mb4?

utf8mb4是MySQL中的一种字符集，它可以存储Unicode编码的字符，包括Emoji表情和一些较少使用的字符，而早期的utf8字符集只能存储部分Unicode字符。在存储从不同语言和地区的用户输入的文本时，使用utf8mb4可以确保所有字符都被正确保存。

什么是排序和比较规则？

在MySQL中，排序规则和比较规则是用于确定文本排序顺序和比较规则的规则。它们在文本排序和比较时起着重要的作用。MySQL提供了多种预定义的排序规则和比较规则，我们可以根据需要选择合适的规则。

bin排序规则和比较规则

bin排序规则和比较规则是最简单的排序规则和比较规则。在这种情况下，MySQL会将文本视为二进制字符串，并按照ASCII顺序进行排序和比较。因此，大小写、数字和特殊字符都会按照其ASCII码的大小来排序。

例如，下面的查询将按照大小写敏感的方式返回结果：

SELECT * FROM users WHERE name = 'John';

而下面的查询将返回所有具有名称“John”或“john”的结果：

SELECT * FROM users WHERE name COLLATE binary = 'John';

general_ci排序规则和比较规则

general_ci是比较常见的排序规则和比较规则。它支持在不区分大小写和一些特殊字符的情况下进行排序和比较。例如，“a”和“A”将被视为相等，“ç”和“c”也将被视为相等。

也就是说，下面的查询将返回所有姓名为“John”、“john”、“JoHn”、“JOHN”等的结果：

SELECT * FROM users WHERE name COLLATE utf8mb4_general_ci = 'John';

unicode_520_ci排序规则和比较规则

unicode_520_ci排序规则和比较规则是在MySQL 8.0之后新增的规则。它支持更广泛的字符集，包括日语和韩语中的拼音字符，以及保加利亚和罗马尼亚的字符。

此外，它还支持类似于general_ci的不区分大小写排序和比较，但它更加严格，不会将大小写相同的字符视为相等。例如，“A”和“a”尽管大小写相同，但仍将被视为不同字符。

下面的查询将返回所有姓名为“John”、“john”、“JoHn”等但不包括“JOHN”的结果：

SELECT * FROM users WHERE name COLLATE utf8mb4_unicode_520_ci = 'John';

何时使用不同的排序规则和比较规则

在确定哪种排序规则和比较规则使用时，应该考虑许多因素，如应用程序的性质、目标用户和目标语言。

如果应用程序需要处理大量的非英语或非西方的语言，应该使用utf8mb4字符集以确保字符被正确处理。在所有情况下，应该使用utf8mb4_general_ci排序规则和比较规则，除非你需要更严格的比较和排序规则。

如果应用程序需要更广泛的字符集而且需要比较和排序更严格，请考虑使用utf8mb4_unicode_520_ci排序规则和比较规则。

如果应用程序需要处理二进制数据或特殊字符，则应使用bin排序规则和比较规则。

总之，应该根据实际需求来选择合适的排序规则和比较规则，以确保正确处理文本数据。

总结

MySQL中的utf8mb4字符集提供了更广泛的字符支持，能够正确处理从不同语言和地区的用户输入的文本数据。在选择排序规则和比较规则时，需要根据实际需求来选择合适的规则，以确保文本数据的正确处理。bin排序规则和比较规则适用于处理二进制数据和特殊字符，而general_ci和unicode_520_ci排序规则和比较规则适用于处理文本数据。