Forum libero

Scritto da:
> Scritto da:
> > Scritto da: ::1
> > > Scritto da:
> > > > Cosa è meglio scegliere? utf8, 16 o 32?
> > > >
> > > > Ad esempio:
> > > >
> > > > utf8_general_ci sorts by stripping away all accents and sorting as if it were ASCII
> > > > utf8_unicode_ci uses the Unicode sort order, so it sorts correctly in more languages
> > > >
> > > > Nel primo caso mi aspetterei che saltino fuori bachi per cui un utente The Lìch equivalga a The Lich.
> > >
> > > Ha detto che li considera equivalenti solo nel sort
> >
> > Ci stavo giusto pensando. Del resto chi ha programmato il malloppo avrà tenuto conto di questi problemi, no?
> >
> > Al momento propenderei per utf8_unicode_ci.
>
> Ma ad esempio ha anche ragione questo:
>
> I always use utf8_bin because of the problem highlighted by Guus. In my opinion, as far as the database should be concerned, a string is still just a string. A string is a number of UTF-8 characters. A character has a binary representation so why does it need to know the language you're using? Usually, people will be constructing databases for systems with the scope for multilingual sites. This is the whole point of using UTF-8 as a character set. I'm a bit of a pureist but I think the bug risks heavily outweigh the slight advantage you may get on indexing. Any language related rules should be done at a much higher level than the DBMS.
>
> E poi perché utf8 e non 16 o 32?
> Non ho presente a quali alfabeti si estendano il 16 e il 32, l'8 dovrebbe bastare per tutto ciò che si può scrivere in alfabeto latino.
>
> Ma non vorrei nemmeno introdurre rallentamenti nel nome di improbabili estensioni a utenti cinesi, giapponesi eccetera (che non visiteranno mai il mio sito).

Ma anche

Because utf8_general_ci is the default collation for Unicode in MySQL, if you want to use utf8_unicode_ci then you end up having to specify it in a lot of places.

Appena aperto phpmyadmin e già incerto su cosa prendere per colazione.

Scritto da:
> E poi perché utf8 e non 16 o 32?
> Non ho presente a quali alfabeti si estendano il 16 e il 32, l'8 dovrebbe bastare per tutto ciò che si può scrivere in alfabeto latino.

Anche l'alfabeto latino supera gli otto bit in utf8.
Infatti essendo un encoding a larghezza del carattere variabile viene usato un byte per l'ascii, e più byte per tutto il resto.
Es: in utf8 il carattere 'a ' è la sequenza di bit 01100001; il carattere 'à ' è la sequenza di bit 11000011:10100000.
Utf8 quindi può rappresentare tutti i caratteri (oltre un milione ad oggi) utilizzando un numero variabile di bytes, da 1 a 6 per ogni carattere; di conseguenza per sapere la lunghezza di una stringa encodata in utf8 non è sufficiente sapere quanti bytes la compone ma necessita analizzare tutti i bytes per sapere cosa rappresentano.
Ucs2 nasce con l'idea di avere tutti i caratteri in due bytes, rappresentando un massimo di 65536; per poter sapere la lunghezza di una stringa basta quindi dividere per 2 il numero di bytes; quando hanno sfondato questo limite è nato utf16 (ucs2 esteso per usare 2 o 4 o 6 bytes per carattere), che unisce il peggio dei due mondi (dimensione fissa e variabile).
Utf32 invece è una character set a dimensione fissa, e rappresenta 2³² caratteri; la lunghezza della stringa è data dal numero di bytes diviso per 4.