MySQL :: MySQL 8.4 参考手册 :: 12.14.1 校对规则实现类型

版本 8.4

8.0 日语

MySQL 8.4 参考手册 / ... / 校对规则实现类型

12.14.1 校对规则实现类型

MySQL 实现了多种类型的校对规则

8 位字符集的简单校对规则

这种校对规则使用包含 256 个权重的数组实现，该数组定义了从字符代码到权重的一对一映射。例如 latin1_swedish_ci。它是不区分大小写的校对规则，因此字符的大小写版本具有相同的权重，并且比较结果相等。

mysql> SET NAMES 'latin1' COLLATE 'latin1_swedish_ci';
Query OK, 0 rows affected (0.01 sec)

mysql> SELECT HEX(WEIGHT_STRING('a')), HEX(WEIGHT_STRING('A'));
+-------------------------+-------------------------+
| HEX(WEIGHT_STRING('a')) | HEX(WEIGHT_STRING('A')) |
+-------------------------+-------------------------+
| 41                      | 41                      |
+-------------------------+-------------------------+
1 row in set (0.01 sec)

mysql> SELECT 'a' = 'A';
+-----------+
| 'a' = 'A' |
+-----------+
|         1 |
+-----------+
1 row in set (0.12 sec)

有关实现说明，请参阅第 12.14.3 节，“向 8 位字符集添加简单校对规则”。

8 位字符集的复杂校对规则

这种校对规则使用 C 源文件中的函数实现，这些函数定义了如何对字符进行排序，如第 12.13 节，“添加字符集” 中所述。

非 Unicode 多字节字符集的校对规则

对于这种类型的校对规则，8 位（单字节）和多字节字符的处理方式不同。对于 8 位字符，字符代码以不区分大小写的方式映射到权重。（例如，单字节字符 'a' 和 'A' 的权重均为 0x41。）对于多字节字符，字符代码和权重之间存在两种类型的关系

权重等于字符代码。 sjis_japanese_ci 就是这种校对规则的示例。多字节字符 'ぢ' 的字符代码为 0x82C0，权重也为 0x82C0。

mysql> CREATE TABLE t1
       (c1 VARCHAR(2) CHARACTER SET sjis COLLATE sjis_japanese_ci);
Query OK, 0 rows affected (0.01 sec)

mysql> INSERT INTO t1 VALUES ('a'),('A'),(0x82C0);
Query OK, 3 rows affected (0.00 sec)
Records: 3  Duplicates: 0  Warnings: 0

mysql> SELECT c1, HEX(c1), HEX(WEIGHT_STRING(c1)) FROM t1;
+------+---------+------------------------+
| c1   | HEX(c1) | HEX(WEIGHT_STRING(c1)) |
+------+---------+------------------------+
| a    | 61      | 41                     |
| A    | 41      | 41                     |
| ぢ    | 82C0    | 82C0                   |
+------+---------+------------------------+
3 rows in set (0.00 sec)

字符代码一对一映射到权重，但代码不一定等于权重。 gbk_chinese_ci 就是这种校对规则的示例。多字节字符 '膰' 的字符代码为 0x81B0，但权重为 0xC286。

mysql> CREATE TABLE t1
       (c1 VARCHAR(2) CHARACTER SET gbk COLLATE gbk_chinese_ci);
Query OK, 0 rows affected (0.33 sec)

mysql> INSERT INTO t1 VALUES ('a'),('A'),(0x81B0);
Query OK, 3 rows affected (0.00 sec)
Records: 3  Duplicates: 0  Warnings: 0

mysql> SELECT c1, HEX(c1), HEX(WEIGHT_STRING(c1)) FROM t1;
+------+---------+------------------------+
| c1   | HEX(c1) | HEX(WEIGHT_STRING(c1)) |
+------+---------+------------------------+
| a    | 61      | 41                     |
| A    | 41      | 41                     |
| 膰    | 81B0    | C286                   |
+------+---------+------------------------+
3 rows in set (0.00 sec)

有关实现说明，请参阅第 12.13 节，“添加字符集”。

Unicode 多字节字符集的校对规则

其中一些校对规则基于 Unicode 校对算法 (UCA)，而另一些则不是。

非 UCA 校对规则具有从字符代码到权重的一对一映射。在 MySQL 中，此类校对规则不区分大小写和重音。 utf8mb4_general_ci 就是一个例子：'a'、'A'、'À' 和 'á' 都有不同的字符代码，但权重都为 0x0041，比较结果相等。

mysql> SET NAMES 'utf8mb4' COLLATE 'utf8mb4_general_ci';
Query OK, 0 rows affected (0.00 sec)

mysql> CREATE TABLE t1
       (c1 CHAR(1) CHARACTER SET UTF8MB4 COLLATE utf8mb4_general_ci);
Query OK, 0 rows affected (0.01 sec)

mysql> INSERT INTO t1 VALUES ('a'),('A'),('À'),('á');
Query OK, 4 rows affected (0.00 sec)
Records: 4  Duplicates: 0  Warnings: 0

mysql> SELECT c1, HEX(c1), HEX(WEIGHT_STRING(c1)) FROM t1;
+------+---------+------------------------+
| c1   | HEX(c1) | HEX(WEIGHT_STRING(c1)) |
+------+---------+------------------------+
| a    | 61      | 0041                   |
| A    | 41      | 0041                   |
| À    | C380    | 0041                   |
| á    | C3A1    | 0041                   |
+------+---------+------------------------+
4 rows in set (0.00 sec)

MySQL 中基于 UCA 的校对规则具有以下属性

如果一个字符有权重，则每个权重使用 2 个字节（16 位）。
一个字符的权重可能为零（或为空权重）。在这种情况下，该字符可忽略。例如："U+0000 NULL" 没有权重，可以忽略。

一个字符可能有一个权重。例如：'a' 的权重为 0x0E33。

mysql> SET NAMES 'utf8mb4' COLLATE 'utf8mb4_unicode_ci';
Query OK, 0 rows affected (0.05 sec)

mysql> SELECT HEX('a'), HEX(WEIGHT_STRING('a'));
+----------+-------------------------+
| HEX('a') | HEX(WEIGHT_STRING('a')) |
+----------+-------------------------+
| 61       | 0E33                    |
+----------+-------------------------+
1 row in set (0.02 sec)

一个字符可能有多个权重。这称为扩展。例如：德语字母 'ß'（SZ 连字，或 SHARP S）的权重为 0x0FEA0FEA。

mysql> SET NAMES 'utf8mb4' COLLATE 'utf8mb4_unicode_ci';
Query OK, 0 rows affected (0.11 sec)

mysql> SELECT HEX('ß'), HEX(WEIGHT_STRING('ß'));
+-----------+--------------------------+
| HEX('ß')  | HEX(WEIGHT_STRING('ß'))  |
+-----------+--------------------------+
| C39F      | 0FEA0FEA                 |
+-----------+--------------------------+
1 row in set (0.00 sec)

多个字符可能有一个权重。这称为收缩。例如：'ch' 在捷克语中是一个字母，其权重为 0x0EE2。

mysql> SET NAMES 'utf8mb4' COLLATE 'utf8mb4_czech_ci';
Query OK, 0 rows affected (0.09 sec)

mysql> SELECT HEX('ch'), HEX(WEIGHT_STRING('ch'));
+-----------+--------------------------+
| HEX('ch') | HEX(WEIGHT_STRING('ch')) |
+-----------+--------------------------+
| 6368      | 0EE2                     |
+-----------+--------------------------+
1 row in set (0.00 sec)

多字符到多权重的映射也是可能的（这是带扩展的收缩），但 MySQL 不支持。

有关实现说明，对于非 UCA 校对规则，请参阅第 12.13 节，“添加字符集”。对于 UCA 校对规则，请参阅第 12.14.4 节，“向 Unicode 字符集添加 UCA 校对规则”。

其他校对规则

还有一些校对规则不属于上述任何类别。