MySQL选择带有'='但不带有'LIKE'的UTF-8字符串

Question

我有一张桌子，上面有一些来自中世纪书籍的单词，还有一些现代 latin1 字母表中不再存在的重音字母。我可以用 UTF-8 组合字符轻松表示这些字母。例如，要创建一个带有波浪号的“J”，我使用 UTF-8 序列 \u004A+\u0303 并且 J 变成带有波浪号的重音符号。

表格使用utf8编码，字段排序为utf8_unicode_ci。

我的问题如下：如果我尝试选择整个字符串，我会收到正确的答案。如果我尝试使用“LIKE”进行选择，我会收到错误的答案。

例如：

mysql> select word, hex(word) from oldword where word = 'hua';
+--------+--------------+
| word   | hex(word)    |
+--------+--------------+
| hũa    | 6875CC8361   |
| huã    | 6875C3A3     |
| hua    | 687561       |
| hũã    | 6875CC83C3A3 |
+--------+--------------+
4 rows in set (0,04 sec)

mysql> select word, hex(word) from oldword where word like 'hua';
+-------+------------+
| word  | hex(word)  |
+-------+------------+
| huã   | 6875C3A3   |
| hua   | 687561     |
+-------+------------+
2 rows in set (0,04 sec)

我不想只搜索整个单词。我想搜索以某个子字符串开头的单词。最终搜索到的词是整个词。

如何使用 like 选择部分字符串并匹配所有字符串？

我尝试使用 this information 创建自定义排序规则，但服务器变得不稳定，只有经过大量试验和错误后，我才能再次恢复到 utf8_unicode_ci 排序规则，服务器恢复正常状态。

编辑：此站点存在问题，某些字符无法正确显示。请查看这些粘贴箱的结果：

http://pastebin.com/mckJTLFX

http://pastebin.com/WP87QvgB

Answer 1

根据this：

ũ 在 5.6 上的所有 utf8 排序规则中等于纯 U。

j́ 在大多数排序规则中等于普通的J；例外：

• utf8_general*ci 因为它实际上是 j 加上一个口音。并且“一般”排序规则一次只查看一个 character（与 byte 不同）。大多数排序规则会考虑多个字符，例如西班牙语中的 ch 或 ll 或德语中的 ss。
• utf8_roman_ci，这很奇怪。 j́=i=j

(LIKE 不完全遵循常规的整理规则。我不精通细节，但我认为J 表示为 2 个字符导致它在LIKE 中的工作方式与在@987654336 中的不同@ 或ORDER BY。此外，我不知道REPLACE() 是否像LIKE 或其他地方一样。）

Answer 2

看到 Marcus Adams 的回答后，我意识到 REPLACE 函数可以解决这个问题，虽然他没有提到这个函数。

因为我只有两个不同的组合字符（acute 和 tilde），与其他 ASCII 字符组合，例如 j 与波浪号、j 与尖角、m 与波浪号、s 与波浪号等等。我只需要在使用 LIKE 时替换这两个字符。

在搜索手册后，我了解了 UNHEX 函数，该函数帮助我正确表示查询中的组合字符以将它们删除。

组合波浪号用十六进制代码中的CC83 表示，尖号用十六进制代码中的CC81 表示。

所以，解决我的问题的查询就是这个。

SELECT word, REPLACE(REPLACE(word, UNHEX("CC83"), ""), UNHEX("CC81"), "")
FROM oldword WHERE REPLACE(REPLACE(word, UNHEX("CC83"), ""), UNHEX("CC81"), "") 
LIKE 'hua%';`

Answer 3

问题在于LIKE 逐个字符进行比较，当使用“组合 tilda”时，它实际上是两个字符，尽管它显示为一个字符（假设您的客户端支持这样显示）。

永远不会有比较的情况，例如hu~a 到 hua 将逐个字符匹配，因为它将 ~ 与 a 进行比较以获得第三个字符。

排序规则（和强制）在比较整个字符串时对您有利，并处理此类事情，但在逐个字符比较时则不行。

即使您考虑使用 SUBSTRING() 作为 hack 而不是使用带有通配符 % 的 LIKE 来执行前缀搜索，请考虑以下事项：

SELECT SUBSTRING('hũa', 1, 3) = 'hua'
-> 0
SELECT SUBSTRING('hũa', 1, 4) = 'hua'
-> 1

你必须知道你想要的长度，或者像这样蛮力的：

SELECT * FROM oldword
WHERE SUBSTRING(word, 1, 3) = 'hua'
   OR SUBSTRING(word, 1, 4) = 'hua'
   OR SUBSTRING(word, 1, 5) = 'hua'
   OR SUBSTRING(word, 1, 6) = 'hua'

Answer 4

您可以像使用通配符一样使用 % 符号。例如：

SELECT word
FROM myTable
WHERE word LIKE 'hua%';

这将提取所有以 hua 开头并且后面有 0+ 个字符的记录。这是一个SQL Fiddle 示例。