MySQL 与 utf8_czech_ci 中的 'ch' 匹配

Question

我们成功地在查询中使用 MATCH AGAINST 来搜索我们的数据库(主要是捷克语)，因此我们使用 utf8_czech_ci 作为默认排序规则。我们已将查询的最小长度设置为 1，并且禁用了所有停用词。

但是，请考虑搜索单词Schedule。

当你写下:

• s:找到时间表
• sc:没有找到
• sch:找到时间表

看起来它将 ch 视为单个字符(这在捷克语中是正确的)，但当我们进行全文搜索时肯定是不正确的。

有办法避免这种行为吗？

Answer 1

是的，utf8_czech_ci 将 ch 视为位于 h 和 i 之间的单个字母。 Č 和 č 相等，但都位于 c 之后。对于其他带有卡隆的字母也是如此。

This提供各种 utf8 排序规则的排序规则。

我认为您的观察对于该排序规则是正确的。 “schedule”是捷克语单词吗？

要避免这种情况，请为该列选择另一个 utf8 COLLATION，并重建 FULLTEXT 索引。 utf8_bin 和 utf8_general_ci 和 utf8_unicode_ci 可能是候选者。您可能需要有两列(和索引)具有相同的文本，但排序规则不同。然后选择该列以控制您要使用的搜索语言。

您正在“比较”字符串吗？如果是这样，排序规则将产生很大的差异 - 捷克语中的“say”<“see”<“sch”，但没有任何(？)其他排序规则。

(utf8mb4 的操作方式与 utf8 相同，至少就本问题而言是如此。)