mysql 裡 utf8_general_ci 跟 utf8_unicode_ci 連線校對的差異

(撰寫於 2007-03-20)

轉載自 : http://blog.pixnet.net/origin2/post/1244682
------------------------------------------------------------------------------

有用過 mysql 的 UTF-8 編碼的人可能都會對這件事感到疑惑：

連線校對(collation)裡面的

utf8_general_ci
跟
utf8_unicode_ci

到底有什麼差異呢？
在 phpMyAdmin 裡面的說明看起來通通一樣：

utf8_general_ci 統一碼 (Unicode) (多語言), 大小寫不相符
utf8_unicode_ci 統一碼 (Unicode) (多語言), 大小寫不相符

實際差別如下:

utf8_general_ci 在轉換時速度比較快
utf8_unicode_ci 在轉換時比較精準

轉換？怎麼講呢？
簡單說就是當資料要從一個編碼換成另外一個編碼時，
mysql 要在兩個 codepage 裡面找出來相對應的字元位置在哪裡。
對 utf8_general_ci 來說，來源 codepage 裡面的一個字元只能對應到目標 codepage 裡面的一個字元，
而 utf8_unicode_ci 則可以把來源 codepage 裡的一個字元對應到目標 codepage 裡的多個字元（或反過來）。
例如德文裡的 ß 要轉換成英文的時候如果是用 utf8_unicode_ci 轉換會變成正確的 ss ，
但是如果用 utf8_general_ci 的話則會變成單一的 s 而已。

所以如果可以的話請盡量用 utf8_unicode_ci 而不要用 utf8_general_ci ，
雖然對 multibyte 字元來說這兩個都沒差，
但是 utf8 的網頁誰也不知道哪天會不會有這種字元出現在你的網頁上，
所以如果設成 utf8_unicode_ci 你就不需要擔心貼上去之後資料在轉換間遺失了。

-------------------------
以下是個人實際測試的結果:
如果你使用 phpMyAdmin 並且在新增文字資料的時候內容 "中英文混雜"
當 Collation 是 utf8_xxxxxxx 的時候，都會有文字破損並且出現亂碼
建議 Collation 選擇 latin1_general_ci，個人測試項目如下，都不會出問題

• 中英文混雜
• 多國語言，如日文
• 大五碼惡名昭彰的"許功蓋"