UTF-8：将军？滨？ Unicode的？ UTF-8：将军？滨？ Unicode的？

我试图找出我应该使用不同类型的数据整理东西。我将存储所述内容的100％是用户提交。

我的理解是，我应该使用UTF-8通用CI（不区分大小写），而不是UTF-8二进制。但是，我无法找到UTF-8一般CI和UTF-8的Unicode CI之间有明显的区别。

我应该是存储UTF-8通用或UTF-8的Unicode CI列用户提交的内容？
将UTF-8的数据类型的二进制适用于？

Answer 1:

在一般情况下，utf8_general_ci比utf8_unicode_ci快，但不正确的。

这里的区别是：

对于任何Unicode字符集， 操作使用_general_ci整理比对_unicode_ci整理更快地执行 。例如，对于utf8_general_ci整理是比较快的，但稍显不足正确的，比utf8_unicode_ci比较。这样做的原因是，utf8_unicode_ci支持映射如膨胀; 也就是说，当一个字符作为比较等于的其它字符的组合。例如，在德国和其他一些语言的“SS”等于“SS”。 utf8_unicode_ci还支持收缩和忽略的人物。 utf8_general_ci是一个遗留的排序规则，不支持扩展，收缩，或忽略的人物。它可以使字符之间只有一个一对一的比较。

：引自http://dev.mysql.com/doc/refman/5.0/en/charset-unicode-sets.html

如需更详细的说明，请参阅从MySQL论坛下面的帖子： http://forums.mysql.com/read.php?103,187048,188748

至于utf8_bin：两个utf8_general_ci和utf8_unicode_ci执行区分大小写的比较。在constrast，utf8_bin是大小写敏感的 （其他差异之间），因为它比较字符的二进制值。

Answer 2:

你也应该知道这样一个事实，即与utf8_general_ci当使用VARCHAR字段作为唯一或主要指标将2个值像“a”和“A”将给一个重复键错误。

Answer 3:

utf8_bin比特盲目地进行比较。没有折叠的情况下，没有口音剥离。
utf8_general_ci一个字节一个字节相比较。它情况下，折叠和口音汽提，但没有2字符comparisions： ij不等于ĳ在此归类。
utf8_*_ci是一组特定语言的规则，但在其他方面一样unicode_ci 。一些特殊情况： Ç ， Č ， ch ， ll
utf8_unicode_ci遵循比较旧的Unicode标准。 ij = ĳ ，但ae ！= æ
utf8_unicode_520_ci如下一个较新的Unicode标准。 ae = æ

见核对表的细节是什么在不同的UTF8归类等于什么。

utf8 ， 由MySQL所定义被限制为1到3字节UTF8码。这留下了表情符号和一些中国的。所以，你真的应该切换到utf8mb4如果要大大超过欧洲。

以上几点适用于utf8mb4 ，之后适合的拼写变化。展望未来， utf8mb4和utf8mb4_unicode_520_ci是首选。

UTF16和UTF32上UTF8变体; 所以实际上没有使用它们。
UCS2更接近“的Unicode”比“UTF8”; 所以实际上用不到它。

Answer 4:

说真的，我测试节约像具有唯一索引列“e”和“e”的价值观，他们会在两个“utf8_unicode_ci”和“utf8_general_ci”重复的错误。你只能在“utf8_bin”整理列保存。

和MySQL文档（在http://dev.mysql.com/doc/refman/5.7/en/charset-applications.html ）建议到它的例子设置“utf8_general_ci”整理。

[mysqld]
character-set-server=utf8
collation-server=utf8_general_ci

Answer 5:

接受的答案是过时的。

如果你使用MySQL 5.5.3+，用utf8mb4_unicode_ci代替utf8_unicode_ci ，以确保您的用户键入的字符不会给你的错误。

utf8mb4支持例如表情符号，而utf8可能会给你几百个像编码相关的bug：

Incorrect string value: ‘\xF0\x9F\x98\x81…’ for column ‘data’ at row 1

文章来源: UTF-8: General? Bin? Unicode?