MySQL 非法混合排序规则

Question

查看我的产品日志后，我有一些错误提示：

[2012-08-31 15:56:43] request.CRITICAL: Doctrine\DBAL\DBALException: 
An exception occurred while executing 'SELECT t0.username ....... FROM fos_user t0 WHERE t0.username = ?'
with params {"1":"Nrv\u29e7Kasi"}:

SQLSTATE[HY000]: General error: 1267 Illegal mix of collations (latin1_swedish_ci,IMPLICIT)
and (utf8_general_ci,COERCIBLE) for operation '=' 

Alghout 我在学说 cfg 下默认使用 UTF-8：

doctrine:
    dbal:
        charset:  UTF8

看来我所有的 MySQL 表都在latin1_swedish_ci，所以我的问题是：

我可以手动将所有表格的排序规则更改为utf8_general_ci，而不会出现任何并发症/预防措施吗？

Answer 1

通过如下命令简单地转换表格的字符集，

ALTER TABLE tbl_name CONVERT TO CHARACTER SET utf8;

Answer 2

没错。我遇到了这个问题，最好的快速解决方案是

         CONVERT(fos_user.username USING utf8)

Answer 3

了解以下定义会有所帮助：

• 字符编码详细说明了每个符号如何以二进制表示（因此存储在计算机中）。例如，符号é（U+00E9，拉丁文小写字母E，带尖音符）是encoded，在UTF-8（MySQL 调用utf8）中为0xc3a9，在Windows-1252（其中MySQL 调用 latin1)。

• 字符集是可以使用给定字符编码表示的符号字母表。令人困惑的是，该术语也用于表示与字符编码相同的含义。

• collat​​ion 是对字符集的排序，以便可以比较字符串。例如：MySQL 的 latin1_swedish_ci 排序规则将字符的大多数重音变体视为等同于基本字符，而其 latin1_general_ci 排序规则会将它们排序在下一个基本字符之前但不等同（还有其他更重要的差异：比如å、ä、ö和ß等字符的顺序。

MySQL 将决定应将哪种排序规则应用于给定表达式，如 Collation of Expressions 中所述：特别是，列的排序规则优先于字符串文字的排序规则。

查询的WHERE 子句比较以下字符串：

1. fos_user.username 中的一个值，以列的字符集 (Windows-1252) 编码，并表示对其排序规则 latin1_swedish_ci 的偏好（强制值为 2）；与

2. 字符串文字'Nrv⧧Kasi'，以连接的字符集（UTF-8，由 Doctrine 配置）编码并表示对连接排序规则utf8_general_ci 的偏好（强制值为 4）。

由于这些字符串中的第一个具有比第二个更低的强制值，MySQL 尝试使用该字符串的排序规则执行比较：latin1_swedish_ci。为此，MySQL 尝试将第二个字符串转换为 latin1，但由于该字符集中不存在 ⧧ 字符，因此比较失败。

---

警告

应该暂停一下，考虑一下当前列的编码方式：您正在尝试过滤fos_user.username 等于包含不能字符的字符串的记录存在于该列中！

如果您认为列确实包含此类字符，那么您可能在连接字符编码设置为导致 MySQL 解释接收到字节序列为所有在 Windows-1252 字符集中的字符。

如果是这种情况，在继续之前，您应该修复您的数据！

1. 将这些列转换为数据插入时使用的字符编码（如果与现有编码不同）：

   ALTER TABLE fos_users MODIFY username VARCHAR(123) CHARACTER SET foo;
   

2. 通过将这些列转换为binary 字符集来删除与这些列关联的编码信息：

   ALTER TABLE fos_users MODIFY username VARCHAR(123) CHARACTER SET binary;
   

3. 通过将这些列转换为相关字符集，将实际传输数据的编码与这些列相关联。

   ALTER TABLE fos_users MODIFY username VARCHAR(123) CHARACTER SET bar;
   

请注意，如果从多字节编码转换，您可能需要增加列的大小（甚至更改其类型）以适应转换后字符串的最大可能长度。

---

一旦确定列被正确编码，就可以强制使用 Unicode 排序规则进行比较——

• 将值 fos_user.username 显式转换为 Unicode 字符集：

  WHERE CONVERT(fos_user.username USING utf8) = ?
  

• 强制字符串文字具有比列更低的强制值（将导致列的值隐式转换为 UTF-8）：

  WHERE fos_user.username = ? COLLATE utf8_general_ci
  

或者，正如您所说，可以将列永久转换为 Unicode 编码并适当地设置其排序规则。

我可以将所有表格的排序规则手动更改为utf8_general_ci，而不会出现任何并发症/预防措施吗？

原则上考虑是Unicode编码比单字节字符集占用更多空间，所以：

• 可能需要更多存储空间；

• 比较可能会更慢；和

• 可能需要调整索引前缀长度（注意最大值以字节为单位，因此表示的字符可能比以前少）。

另外，请注意，如 ALTER TABLE Syntax 中所述：

要将表默认字符集和所有字符列（CHAR、VARCHAR、TEXT）更改为新字符集，请使用如下语句：

ALTER TABLE tbl_name 转换为字符集 charset_name;

对于数据类型为VARCHAR 或TEXT 类型之一的列，CONVERT TO CHARACTER SET 将根据需要更改数据类型，以确保新列足够长以存储与原始列。例如，TEXT 列有两个长度字节，用于存储列中值的字节长度，最大值为 65,535。对于latin1TEXT 列，每个字符需要一个字节，因此该列最多可以存储65,535 个字符。如果将列转换为utf8，则每个字符最多可能需要三个字节，最大可能长度为 3 × 65,535 = 196,605 字节。该长度不适合 TEXT 列的长度字节，因此 MySQL 会将数据类型转换为 MEDIUMTEXT，这是长度字节可以记录值 196,605 的最小字符串类型。同样，VARCHAR 列可能会转换为 MEDIUMTEXT。

为避免刚刚描述的类型的数据类型更改，请勿使用CONVERT TO CHARACTER SET。相反，请使用 MODIFY 更改各个列。