MySQL用'='选择UTF-8字符串但不用'LIKE'

Question

我有一张桌子，里面有一些来自中世纪书籍的文字，并且有一些重音字母，在现代拉丁字母表中不再存在。 我可以使用UTF-8组合字符轻松表示这些字母。 例如，要创建一个带波形符的“J”，我使用UTF-8序列\\ u004A + \\ u0303，J用波浪号重音。

该表使用utf8编码，字段排序规则为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。 如果我尝试选择使用'LIKE'，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。 我想搜索以某些子字符串开头的单词。 最终搜索到的单词是整个单词。

如何使用like选择部分字符串并匹配所有字符串？

我尝试使用此信息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排序规则并且服务器恢复正常状态。

编辑：这个网站有问题，一些字符无法正确显示。 请查看这些pastebins的结果：

http://pastebin.com/mckJTLFX

http://pastebin.com/WP87QvgB

Answer 1

在看到Marcus Adams的回答后，我意识到REPLACE功能可能是解决这个问题的方法，尽管他没有提到这个功能。

因为我只有两个不同的组合字符（锐角和波形符号），与其他ASCII字符组合，例如j代表波浪号，j代表尖锐，m代表波浪号，s代表波浪号，等等。 我只需要在使用LIKE时替换这两个字符。

在查阅手册后，我了解了UNHEX函数，它帮助我在查询中正确表示组合字符以删除它们。

组合波浪号由HEX代码中的CC83表示， CC83由HEX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 2

问题是LIKE逐个字符地执行比较，当使用“组合tilda”时，它实际上是两个字符，尽管它显示为一个（假设您的客户端支持显示它）。

绝不会有比较哪里的情况下，例如hu~a到hua字符一个字符将匹配，因为它比较~用a第三字符。

排序（和强制）对你有利，在比较整个字符串时处理这些事情，但在逐个字符比较时则不然。

即使您考虑使用SUBSTRING()作为hack而不是使用LIKE和通配符%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

你需要知道你想要的长度或者像这样蛮力：

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 3

根据这个 ：

ũ在5.6的所有utf8排序规则中，整数等于普通U

在大多数校对中， j́ collat​​es等于plain J ; 例外：

• utf8_general*ci因为它实际上是j加上重音。 并且“常规”排序规则一次只查看一个字符 （区别于字节 ）。 大多数排序都会考虑多个字符，例如西班牙语中的ch或ll或德语中的ss 。
• utf8_roman_ci ，这是一个非常奇怪的事。 j́=i=j

（ LIKE并不完全遵循常规的整理规则。我并不精通细节，但我认为J表示为2个字符会导致它在LIKE工作方式与在WHERE或ORDER BY工作方式不同。此外，我不是知道REPLACE()是否像LIKE或其他地方一样整理。）

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%';

这将拉出所有以hua开头且后面跟着0+字符的记录。 这是一个SQL小提琴示例。