数据库
首页 > 数据库> > MySQL 8.0 字符串比较特殊案例小结

MySQL 8.0 字符串比较特殊案例小结

作者:互联网

MySQL 8.0 字符串比较特殊案例小结

Ref: https://dev.mysql.com/doc/refman/8.0/en/char.html

Ref: https://dev.mysql.com/doc/refman/8.0/en/string-comparison-functions.html

Ref: https://dev.mysql.com/doc/refman/8.0/en/charset-metadata.html

PaddingSpace:指的是MySQL在某些场景下对字符串的padding部分用空格0x20 填充的方法

-- Padding space example
mysql> SELECT 'a' = 'a ', 'a' LIKE 'a ';
+------------+---------------+
| 'a' = 'a ' | 'a' LIKE 'a ' |
+------------+---------------+
|          1 |             0 |
+------------+---------------+
-- 注意:LIKE永远是按字符比较,因此PaddingSpace和特殊拉丁字母拆写('ä' = 'ae')的规则都不适用于LIKE计算。

一些影响字符串比较的因素

以下实现的时候是每个字符集自己的实现,基本都是用大数组来提前存好大小写的映射关系。

  1. CI (case insensitive),大小写不敏感。对应相反的是cs

  2. 特殊拉丁字母拆写('ä' = 'ae'),目前仅出现在latin1中,仅有如下实现。也是用两个combo数组实现他们的指向关系。

    -- Refer to ctype-latin1.cc
    'ä'  ->  "ae"
    'ö'  ->  "oe"
    'ü'  ->  "ue"
    'ß'  ->  "ss"
    
  3. ai (不是自增主键的那个AI) refers accent insensitivity. That is, there is no difference between e, è, é, ê and ë when sorting. 对应相反的是as

  4. 部分collation name会有数字代表着其字符集标准的编号或标准的版本。

  5. mb for multibytes,其中utf8是utf8mb3的别名,一般建议用更标准更全的utf8mb4。

比较规则

  1. binary collation

    这个判断优先级最高,当一个字符串为binary时,不存在空格填充。CHAR定长类型用0x00填充。其他字符串无论原来collation和char类型,与binary比较时所有空格填充导致的规则全部失效,就是除去0x00部分的字符串裸比较。

  2. 非binary的CHAR定长字符串类型

    所有与这种CHAR比较都按PaddingSpace规则,不管比较字段是什么字符串类型或collation(当然除了binary)。

  3. VARCHAR与VARCHAR比较

    就只是字符串比较,无须赘述。

  4. 同charset不同collation:

    原则是遵循更严格的那个,比如cs > ci , as > ai 。xx_bin为最严格。

  5. 跨collation转换:

    utf8与非utf8:非utf8的会转为utf8,并按utf8的字符串的collation比较进行比较(包括ci、ai规则)MySQL认为所有其他charset都是utf8的子集,cs_to_uni也是用数组映射方式实现的。(UTF16和UTF32转UTF8会丢失信息)。

    两个非utf8的不同collation比较有可能会报错不支持。

    转换相关代码在 MY_CHARSET_HANDLER的mb_wc函数和mbcharlen函数。mb_wc用来转换,mbcharlen判断原始编码的字节长度,比较特殊的是UTF8mb3是1~3字节变长的,因此每次都要调用charlen获取长度。

标签:8.0,binary,utf8,字符串,MySQL,collation,小结,比较
来源: https://www.cnblogs.com/lhfcws/p/14879919.html