MYSQL校对规则

一、前言

有时候遇到这种情况，你用一个like语句查询，查到的结果中有一些并没有包含你查询的关键词的纪录；
有时候遇到这种情况，你的数据库自作聪明的大小写不敏感，让你在更新时把大小写不同的两条记录都更新了；
有时候遇到这种情况，你的查询语句一切正常，查询却失败了，报告Illegal mix of collations错误；

你很困惑，在想数据库是不是坏了。。。其实 ，这些都和数据库字符集的校对规则有关；了解了校对规则，你就知道怎样处理这些问题。

那么，校对规则是怎么回事呢？它是一组规则，负责决定某一字符集下的字符进行比较和排序的结果。

比如说，有latin1字符集中的字母A和a，我们需要它们在比较的时候相等，那么，我们可以使用字符集校对规则 latin1_general_ci；这种校对规则在比较和排序的时候不区分大小写；如果我们需要他们在比较的时候不等呢？也很简单，我们可以使用字符集校对规则latin1_bin;这种校对规则会以二进制的方式对字符进行比较，很明显，a和A的二进制编码不同，比较的结果就是不等。

上面的场景说明了校对规则在最简单情况下起的作用；实际情况与此并没有太多不同，只不过稍微有些复杂而已。

二、校对规则总览

我们可以使用 SHOW COLLATION 指令来查看数据库支持的校对规则



在图中，我们列出了数据库支持的latin1字符集的校对规则。为什么一种字符集竟然有这么多种的校对规则呢？因为在不同的情况下，对比较的结果有不同的期待，所以就有了不同的校对规则。前面说的大小写敏感（latin1_general_cs）和不敏感（latin1_general_ci）是两种校对规则，根据二进制方式进行比较（latin1_bin）也是一种校对规则，德国人（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况下是等价的，所以有了两种新的校对规则。

举个例子，在latin1_german1_ci中，如下字符是等价的，而他们，具有不同的外形和编码。当然，它们的编码不同，所以在latin1_bin校对规则下，他们又是不等价的了。
A,a,À,Á,Â,Ã,Ä,Å,Æ,à,á,â,ã,ä,å,æ

三、校对规则导致的问题

1、混合校对规则比较

两个字符串比较，要求两者必须有相同的校对规则，或者两者的校对规则是相容的——所谓相容是指，两种校对规则优先级不同，比较的时候两者使用高优先级的校对规则进行比较，比如latin1_bin的优先级相对较高。

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

在这个表中，col_b、col_c、col_d的校对规则各不同；其中，latin1_general_ci和latin1_german1_ci 校对规则同级，不能进行比较；如果强行比较的话，就会报错，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的优先级不同，latin1_bin高于latin1_general,因此比较的时候，会按照latin1_bin的规则进行比较。

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

当然，可以在sql语句中强制指定校对规则进行比较，下面这个例子就说明了这一点：

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

2、校对规则导致的问题——SELECT出错误的记录

在上面的基础上，我们要演示一个常见的问题；我们需要对该数据表进行一定的处理：

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

然后进行下面的查询



我们希望查询的是包含“刘”的记录，hao123这个和“刘”没有任何关系的条目被选了出来，看起来很奇怪。
不过这不是数据库出了问题，而是校对规则的使用上存在问题：
下面是我们使用ultraedit察看字符串的二进制编码的结果，在gbk编码下，hao123的编码为68 61 6f 31 32 33，而刘的编码位C1 F5。



在前面的latin1_swedish_ci 校对规则中可以看到：

61和C1都与41等价



6F和F5都与4F等价



这就是ao = 刘的原因。

解决办法有两个：
1）修改该字段的字符集和校对规则，改成gbk，这该问题不在存在。这是完美的解决方案，不过有些时候你没有权限对数据库进行这样的改动。

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 '%刘%';
Empty set (0.00 sec)

2）查询的时候声明校对规则为latin1_bin 。这样可以在一定程度上缓解这个问题；不过如果col_b中只要含有c1 f5,就会被选出来——而c1 f5可能恰好是另外两个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 '%刘%';
Empty set (0.00 sec)

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