MySQL 实现了几种类型的排序规则:
8 位字符集的简单排序规则
这种排序规则是使用一个包含 256 个权重的数组来实现的,该数组定义了从字符代码到权重的一对一映射。latin1_swedish_ci
是一个例子。它是不区分大小写的排序规则,因此字符的大写和小写版本具有相同的权重,并且它们比较相等。
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 10.14.3 节,“将简单排序规则添加到 8 位字符集”。
8 位字符集的复杂排序规则
这种排序规则是使用 C 源文件中的函数实现的,这些函数定义了如何对字符进行排序,如 第 10.13 节“添加字符集”中所述。
非 Unicode 多字节字符集的排序规则
对于这种类型的归类,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'
的权重都是
0x41
。)对于多字节字符,字符编码和权重有两种关系:
权重等于字符代码。
sjis_japanese_ci
是这种归类的一个例子。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)
字符代码与权重一一对应,但代码不一定等于权重。
gbk_chinese_ci
是这种归类的一个例子。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 10.13 节,“添加字符集”。
Unicode 多字节字符集的归类
其中一些归类基于 Unicode 归类算法 (UCA),其他则不是。
非 UCA 归类具有从字符代码到权重的一对一映射。在 MySQL 中,此类排序规则不区分大小写和重音。utf8_general_ci
是一个例子:'a'
, 'A'
,
'À'
, 并且'á'
每个都有不同的字符代码,但都具有权重
0x0041
并且比较相等。
mysql> SET NAMES 'utf8' COLLATE 'utf8_general_ci';
Query OK, 0 rows affected (0.00 sec)
mysql> CREATE TABLE t1
(c1 CHAR(1) CHARACTER SET UTF8 COLLATE utf8_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 的排序规则具有以下属性:
如果字符有权重,则每个权重使用 2 个字节(16 位)。
角色可能具有零权重(或空权重)。在这种情况下,该字符是可忽略的。示例:“U+0000 NULL”没有权重,可以忽略。
一个角色可能有一个权重。示例:
'a'
权重为0x0E33
.mysql> SET NAMES 'utf8' COLLATE 'utf8_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)
一个角色可能有很多权重。这是一个扩展。示例:德语字母
'ß'
(SZ 连字或 SHARP S)的权重为0x0FEA0FEA
.mysql> SET NAMES 'utf8' COLLATE 'utf8_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)
许多字符可能只有一种权重。这是收缩。示例:
'ch'
是捷克语中的单个字母,权重为0x0EE2
.mysql> SET NAMES 'utf8' COLLATE 'utf8_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)
多字符到多权重映射也是可能的(这是扩展收缩),但 MySQL 不支持。
有关实现说明,对于非 UCA 归类,请参阅 第 10.13 节,“添加字符集”。对于 UCA 归类,请参阅 第 10.14.4 节,“将 UCA 归类添加到 Unicode 字符集”。
杂项整理
还有一些排序规则不属于上述任何类别。