2019-3-28

MySQLのcollationに関して

結論

基本utf8mb4_binでいいんじゃなかろうかと個人的に思った。

ただ、ネット上の情報だと何故かutf8mb4_general_ciを選択しているパターンが多い…なにか見逃しがあるのかもしれない。

各 collation で「a」と「A」や「🍣」と「🍺」等を比較した際に同じものとして扱われるかどうかを以下にまとめた。

collation	a/A	ハ/パ	@/＠	🍣/🍺	ブ/ブ(結合文字)
utf8mb4_bin	≠	≠	≠	≠	≠
utf8mb4_general_ci	=	≠	≠	=	≠
utf8mb4_unicode_ci	=	=	=	=	=

UTF8 では「ボ」という文字を表現する場合、合成文字(U+30dc)と結合文字（U+30db U+3099）の２通りの方法が存在する。

結合文字は名前の通り、「ホ（U+30db）」と「゛（U+3099）」という風に２つの文字を結合して１つの文字として表現する方法。

どちらも同じ「ボ」だが、utf8mb4_binだと別物扱いになる。

結合文字に関しては以前 Unicode 正規化に関して調べた際に少し触れた。

結合文字に関してはそもそもレアな点と、合成文字と結合文字を同じものとして扱ってほしい場合は問題が大量にあるutf8mb4_unicode_ciを選択しなければならないので無視するしかないと思う。