Normalizar los caracteres acentuados en las consultas de MySQL.

utf-8 diacritics

Question

Me gustaría poder hacer consultas que normalicen los caracteres acentuados, por ejemplo:

é, è, and ê

todos se tratan como ''e'', ​​en las consultas que usan ''='' y ''como''. Tengo una fila con el campo de nombre de usuario configurado en '' rené '', y me gustaría poder hacer coincidir con '' rene '' y '' rené ''.

Estoy intentando hacer esto con la cláusula de ''compaginación'' en MySQL 5.0.8. Obtuve el siguiente error:

mysql> select * from User where username = ''rené'' collate utf8_general_ci;
ERROR 1253 (42000): COLLATION ''utf8_general_ci'' is not valid for CHARACTER SET ''latin1''

FWIW, mi tabla fue creada con:

CREATE TABLE `User` (
`id` bigint(19) NOT NULL auto_increment,
`username` varchar(32) NOT NULL,
PRIMARY KEY (`id`),
UNIQUE KEY `uniqueUsername` (`username`)
) ENGINE=InnoDB AUTO_INCREMENT=56790 DEFAULT CHARSET=utf8

Answer 1

El motivo del error no es la tabla sino el conjunto de caracteres de su entrada, es decir, el ''rené'' en su consulta. El comportamiento depende de la variable character_set_connection :

El conjunto de caracteres utilizado para literales que no tienen un introductor de conjunto de caracteres y para la conversión de número a cadena.

Usando el cliente MySQL, cámbielo usando SET NAMES :

Una sentencia SET NAMES ''charset_name'' es equivalente a estas tres afirmaciones:

SET character_set_client = charset_name;
SET character_set_results = charset_name;
SET character_set_connection = charset_name;

(de http://dev.mysql.com/doc/refman/5.5/en/charset-connection.html )

Ejemplo de salida:

mysql> set names latin1;
Query OK, 0 rows affected (0.00 sec)
mysql> select * from User where username = ''rené'' collate utf8_general_ci;
ERROR 1253 (42000): COLLATION ''utf8_general_ci'' is not valid for CHARACTER SET ''latin1''
mysql> set names utf8;
Query OK, 0 rows affected (0.00 sec)
mysql> select * from User where username = ''rené'' collate utf8_general_ci;
Empty set (0.00 sec)

Alternativamente, el uso puede establecer explícitamente el conjunto de caracteres utilizando un ''introductor de conjunto de caracteres'':

mysql> set names latin1;
Query OK, 0 rows affected (0.00 sec)
mysql> select * from User where username = _utf8''rené'' collate utf8_general_ci;
Empty set (0.00 sec)

Sé que esta pregunta es bastante antigua, pero como Google me llevó aquí para una pregunta relacionada, creo que todavía merece una respuesta :)

Answer 2

He implementado un comando strtr php function / tr unix en MySQL. Puede obtener el código fuente here

Se puede utilizar como:

SELECT tr(name, ''áäèëî'', ''aaeei'') FROM persons

o para despojar a algunos personajes

SELECT tr(name, ''áäèëî'', null) FROM persons

Answer 3

Le sugiero que guarde las versiones normalizadas en su tabla además con el nombre de usuario real. Cambiar la codificación sobre la marcha puede ser costoso, y debe realizar la conversión nuevamente para cada fila en cada búsqueda.

Si está utilizando PHP, puede usar iconv() para manejar la conversión:

$username = ''rené'';
$normalized = iconv(''UTF-8'', ''ASCII//TRANSLIT'', $string);

Luego simplemente guardaría ambas versiones y usaría la versión normalizada para buscar y el nombre de usuario normal para mostrar. La comparación y la selección serán mucho más rápidas desde la columna normalizada, siempre que también normalice la cadena de búsqueda:

$search = mysql_real_escape_string(iconv(''UTF-8'', ''ASCII//TRANSLIT'', $_GET[''search'']));
mysql_query("SELECT * FROM User WHERE normalized LIKE ''%".$search."%''");

Por supuesto, este método podría no ser viable si tiene varias columnas que necesitan normalizaciones, pero en su caso específico, esto podría funcionar bien.

Answer 4

$normalized = iconv(''UTF-8'', ''ASCII//TRANSLIT'', $string);

¿Es una solución php perfecta, pero en mysql? ¿CONVERTIR?

en mysql

SELECT ''Álvaro José'' as accented, (CONVERT (''Álvaro José'' USING ascii)) as notaccented

Produce:

Álvaro José ?lvaro Jos?

Las palabras acentuadas no se convierten en palabras sin acento, no es equivalente a un translit de iconv.

RegExp no funciona con UTF-8.

No hay ninguna solución.