El servidor MySQL tiene un conjunto de caracteres para el servidor y una colación, y ambos deben ser distintos al valor nulo.

MySQL determina el conjunto de caracteres y la colación del servidor con el siguiente procedimiento:

A nivel de servidor, la decisión es simple. El conjunto de caracteres y la colación del servidor dependen inicialmente de la opción usada al arrancar mysqld. Se puede usar --default-character-set para el conjunto de caracteres y a éste se puede añadir --default-collation para la colación. No especificar un conjunto de caracteres, es como especificar --default-character-set=latin1. Especificar sólo un conjunto de caracteres (por ejemplo, latin1) pero no una colación, es como especificar --default-charset=latin1 --default-collation=latin1_swedish_ci, ya que latin1_swedish_ci es la colación por defecto para latin1. Por lo tanto, los siguientes tres comandos tienen el mismo efecto:

shell> mysqld
shell> mysqld --default-character-set=latin1
shell> mysqld --default-character-set=latin1 \
           --default-collation=latin1_swedish_ci

Una forma de cambiar la especificación es recompilando. Para cambiar el conjunto de caracteres por defecto y la colación al compilar las fuentes, debe utilizarse: --with-charset y --with-collation como argumentos para configure. Por ejemplo:

shell> ./configure --with-charset=latin1

O:

shell> ./configure --with-charset=latin1 \
           --with-collation=latin1_german1_ci

Tanto mysqld como configure verifican que la combinación del conjunto de caracteres y la colación es válida. Si no lo es, cada programa muestra un mensaje de error y acaba.

El conjunto de caracteres y la colación actuales están disponibles como los valores de las variables character_set_server y collation_server . Estas variables pueden cambiarse en tiempo de ejecución.

Cada base de datos tiene un conjunto de caracteres y una colación que no pueden ser nulos. Los comandos CREATE DATABASE y ALTER DATABASE tienen cláusulas opcionales para especificar el conjunto de caracteres y colación de la base de datos:

CREATE DATABASE nombre_de_base_de_datos
    [[DEFAULT] CHARACTER SET nombre_de_conjunto_de_caracteres]
    [[DEFAULT] COLLATE nombre_de_colación]

ALTER DATABASE nombre_de_base_de_datos
    [[DEFAULT] CHARACTER SET nombre_de_conjunto_de_caracteres]
    [[DEFAULT] COLLATE nombre_de_colación]

Ejemplo:

CREATE DATABASE nombre_de_base_de_datos
    DEFAULT CHARACTER SET latin1 COLLATE latin1_swedish_ci;

MySQL elige el conjunto de caracteres y colación de la base de datos así:

La sintaxis de MySQL CREATE DATABASE ... DEFAULT CHARACTER SET ... es análoga a la sintaxis estándar SQL CREATE SCHEMA ... CHARACTER SET .... Por ello, es posible crear bases de datos con distintos conjuntos de caracteres y colaciones en el mismo servidor MySQL.

El conjunto de caracteres de la base de datos y la colación se usan como valores por defecto para una tabla si no se especifica el conjunto de caracteres y colación en el comando CREATE TABLE. No tienen otro propósito.

El conjunto de caracteres y colación para la base de datos por defecto están disponibles como los valores de las variables character_set_database y collation_database . El servidor obtiene estas variables siempre que la base de datos por defecto cambia. Si no hay base de datos por defecto, las variables tienen el mismo valor que las variables correspondiente del lado del servidor, character_set_server y collation_server.

Cada tabla tiene un conjunto de caracteres y colación que no pueden ser nulas. Los comandos CREATE TABLE y ALTER TABLE tienen cláusulas opcionales para especificar el conjunto de caracteres y la colación:

CREATE TABLE nombre_de_tabla (lista_de_columnas)
    [DEFAULT CHARACTER SET nombre_de_conjunto_de_caracteres [COLLATE nombre_de_colación]]

ALTER TABLE nombre_de_tabla
    [DEFAULT CHARACTER SET nombre_de_conjunto_de_caracteres] [COLLATE nombre_de_colación]

Ejemplo:

CREATE TABLE t1 ( ... )
    DEFAULT CHARACTER SET latin1 COLLATE latin1_danish_ci;

MySQL elije el conjunto de caracteres y colación de la siguiente forma:

El conjunto de caracteres y colación de la tabla se usan como valores por defecto si el conjunto de caracteres y la colación no se especifican en la definición de las columnas. El conjunto de caracteres de la tabla y la colación son extensiones MySQL; no hay mucho al respecto en el estándar SQL.

Cada columna “carácter” (esto es, una columna de tipo CHAR, VARCHAR, o TEXT) tiene un conjunto de caracteres y colación de columna, que no pueden ser nulos. La sintaxis de definición de columnas tiene cláusulas opcionales para especificar el conjunto de caracteres y la colación:

nombre_de_columna {CHAR | VARCHAR | TEXT} (ancho_de_columna)
    [CHARACTER SET nombre_de_conjunto_de_caracteres [COLLATE nombre_de_colación]]

Ejemplo:

CREATE TABLE Table1
(
    column1 VARCHAR(5) CHARACTER SET latin1 COLLATE latin1_german1_ci
);

MySQL elige el conjunto de caracteres y la colación de la columna de la siguiente forma:

Las cláusulas CHARACTER SET y COLLATE son de SQL estándar.

Los siguientes ejemplos muestran cómo MySQL determina los valores del conjunto de caracteres y colación por defecto.

Ejemplo 1: Definición de tabla y columna

CREATE TABLE t1
(
    c1 CHAR(10) CHARACTER SET latin1 COLLATE latin1_german1_ci
) DEFAULT CHARACTER SET latin2 COLLATE latin2_bin;

Aquí tenemos una columna con un conjunto de caracteres latin1 y una colación latin1_german1_ci . La definición es explícita, así que es sencillo. Debe tenerse en cuenta que no hay problema al almacenar una columna latin1 en una tabla latin2.

Ejemplo 2: Definición de tabla y columna

CREATE TABLE t1
(
    c1 CHAR(10) CHARACTER SET latin1
) DEFAULT CHARACTER SET latin1 COLLATE latin1_danish_ci;

Ahora tenemos una columna con un conjunto de caracteres latin1 y la colación por defecto. Aunque puede parecer normal, la colación por defecto no es la del nivel de tabla. En lugar de ello, ya que la colación para latin1 siempre es latin1_swedish_ci, la columna c1 tiene una colación de latin1_swedish_ci (no latin1_danish_ci).

Ejemplo 3: Definición de tabla y columna

CREATE TABLE t1
(
    c1 CHAR(10)
) DEFAULT CHARACTER SET latin1 COLLATE latin1_danish_ci;

Tenemos una columna con un conjunto de caracteres y colación por defecto. Bajo esta circunstancia, MySQL busca a nivel de tabla para determinar el conjunto de caracteres y colación para la columna. Así, el conjunto de caracteres para la columna c1 es latin1 y su colación es latin1_danish_ci.

Ejemplo 4: Definición de base de datos, tabla y columna

CREATE DATABASE d1
    DEFAULT CHARACTER SET latin2 COLLATE latin2_czech_ci;
USE d1;
CREATE TABLE t1
(
    c1 CHAR(10)
);

Creamos una columna sin especificar su conjunto de caracteres y colación. Tampoco especificamos un conjunto de caracteres y colación a nivel de tabla. En este caso, MySQL busca a nivel de base de datos para inspirarse. (La configuración de la base de datos pasa a ser la configuración de la tabla, y posteriormente la configuración de columna). Así, el conjunto de caracteres para la columna c1 es latin2 y su colación es latin2_czech_ci.

Varias variables de sistema de conjunto de caracteres y colaciones están relacionadas con la interacción cliente-servidor. Algunas de ellas se han mencionado en secciones anteriores:

Variables de conjuntos de caracteres y colaciones adicionales están involucradas en tratar el tráfico para la conexión entre un cliente y el servidor. Cada cliente tiene variables para el conjunto de caracteres y colación relacionados con la conexión.

Una “conexión” es lo que se hace al conectarse con el servidor. El cliente envía comandos SQL, tales como consultas, mediante la conexión al servidor. El servidor envía respuestas, tales como resultados, mediante la conexión de vuelta al cliente. Esto genera preguntas sobre tratamiento de conjuntos de caracteres y colaciones para conexiones de cliente, cada una de ellas puede responderse mediante variables de sistema:

Puede ajustar estas variables, o puede depender de los valores por defecto (en tal caso, puede obviar esta sección).

Hay dos comandos que afectan al conjunto de caracteres de conexión:

SET NAMES 'nombre_de_conjunto_de_caracteres'
SET CHARACTER SET nombre_de_conjunto_de_caracteres

SET NAMES indica qué hay en el comando SQL que envía el cliente. Por lo tanto, SET NAMES 'cp1251' le dice al servidor “los próximos mensajes entrantes de este cliente están en el conjunto de caracteres cp1251.” También especifica el conjunto de caracteres para los resultados que el servidor devuelve al cliente. (Por ejemplo, indica los conjuntos de caracteres de la columna si usa el comando SELECT .)

Un comando SET NAMES 'x' es equivalente a estos tres comandos:

mysql> SET character_set_client = x;
mysql> SET character_set_results = x;
mysql> SET character_set_connection = x;

Cambiar character_set_connection a x también cambia collation_connection de la colación por defecto a x.

SET CHARACTER SET es similar pero cambia el conjunto de caracteres y la colación para la conexión para ser las de la base de datos por defecto. Un comando SET CHARACTER SET x es equivalente a estos tres comandos:

mysql> SET character_set_client = x;
mysql> SET character_set_results = x;
mysql> SET collation_connection = @@collation_database;

Cuando un cliente se conecta, envía al servidor el nombre del conjunto de caracteres que quiere usar. El servidor cambia las variables character_set_client, character_set_results, y character_set_connection para ese conjunto de caracteres. (De hecho, el servidor efectúa una operación SET NAMES usando el conjunto de caracteres).

No es necesario ejecutar SET NAMES cada vez que se arranca el cliente mysql, aunque se quiera utilizar un conjunto de caracteres diferente del que hay por defecto. Puede añadirse la opción --default-character-set en la línea de comandos de mysql, o en el fichero de opciones. Por ejemplo, el siguiente fichero de opciones cambia las variables del conjunto de caracteres a koi8r cada vez que se ejecuta mysql:

[mysql]
default-character-set=koi8r

Ejemplo: Supongamos que column1 se define como CHAR(5) CHARACTER SET latin2. Si no se especifica SET NAMES o SET CHARACTER SET, entonces para SELECT column1 FROM t, el servidor devuelve todos los valores para column1 usando el conjunto de caracteres que el cliente especificó al conectar. Por otro lado, si se especifica SET NAMES 'latin1' o SET CHARACTER SET latin1, entonces justo antes de devolver los resultados, el servidor convierte el valor latin2 a latin1. La conversión puede perder información si hay caracteres que no están en ambos conjuntos de caracteres.

Si no se quiere que el servidor haga ninguna conversión, debe cambiarse character_set_results a NULL:

mysql> SET character_set_results = NULL;

Cada literal de cadenas de caracteres tiene un conjunto de caracteres y una colación, que no pueden ser nulos.

Un literal de cadena de caracteres puede tener un introductor de conjunto de caracteres opcional y una cláusula COLLATE:

[_nombre_de_conjunto_de_caracteres]'cadena_de_texto' [COLLATE nombre_de_colación]

Ejemplos:

SELECT 'cadena_de_texto';
SELECT _latin1'cadena_de_texto';
SELECT _latin1'cadena_de_texto' COLLATE latin1_danish_ci;

Para el comando simple SELECT 'cadena_de_texto', la cadena de caracteres tiene el conjunto de caracteres y colación definida por las variables de sistema character_set_connection y collation_connection.

La expresión _nombre_de_conjunto_de_caracteres se llama formalmente introductor. Le dice al parser: “la siguiente cadena de caracteres utiliza el conjunto de caracteres X”. Esto ha sido fuente de confusión en el pasado. Enfaticemos pues que un introductor no causa ninguna conversión, sino que es estrictamente una señal que no cambia el valor de la cadena de caracteres. Un introductor también es legal antes de la notación para literales hexadecimales y literales numéricos hexadecimales (x'literal' y 0xnnnn), y antes de ? (parámetros de sustitución al usar comandos preparados dentro de la interfície de un lenguaje de programación).

Ejemplos:

SELECT _latin1 x'AABBCC';
SELECT _latin1 0xAABBCC;
SELECT _latin1 ?;

MySQL determina el conjunto de caracteres y colación para un literal así:

Ejemplos:

Los introductores de conjunto de caracteres y la cláusula COLLATE se implementan según las especificaciones del estándar SQL.

Con la cláusula COLLATE, puede obviarse la colación por defecto para comparación. COLLATE puede usarse en varias partes de los comandos SQL. Aquí se muestran algunos ejemplos:

La cláusula COLLATE tiene alta precedencia (mayor que ||), así que las siguientes dos expresiones son equivalentes:

x || y COLLATE z
x || (y COLLATE z)

El operador BINARY es una abreviación de la cláusula COLLATE. BINARY 'x' es equivalente a 'x' COLLATE y, donde y es el nombre de la colación binaria para el conjunto de caracteres de 'x'. Cada conjunto de caracteres tiene una colación binaria. Por ejemplo, la colación binaria para el conjunto de caracteres latin1 es latin1_bin, así si la columna a es del conjunto de caracteres latin1, los siguientes dos comandos tienen el mismo efecto:

SELECT * FROM t1 ORDER BY BINARY a;
SELECT * FROM t1 ORDER BY a COLLATE latin1_bin;

En la gran mayoría de consultas, resulta obvio qué colación usa MySQL para resolver una operación de comparación. Por ejemplo, en los siguientes casos, debe quedar claro que la colación es “la colación de la columna x”:

SELECT x FROM T ORDER BY x;
SELECT x FROM T WHERE x = x;
SELECT DISTINCT x FROM T;

Sin embargo, cuando están implicados varios operandos, puede haber ambigüedad. Por ejemplo:

SELECT x FROM T WHERE x = 'Y';

¿Esta consulta debe usar la colación de la columna x, o de la columna de caracteres literal 'Y'?

SQL estándar resuelve tales cuestiones usando lo que se solía llamar reglas “coercitivas”. Es decir: Como x e 'Y' tienen colaciones, ¿cuál tiene precedencia? Puede ser difícil de resolver, pero las siguientes reglas resuelven la mayoría de situaciones:

Los valores de coercibilidad precedentes son los de MySQL 5.0.3. Consúltese la nota posterior en esta sección para más información relacionada con versiones.

Estas reglas resuelven ambigüedades como:

Ejemplos:

La función COERCIBILITY() puede usarse para determinar la coercibilidad de una expresión de cadena de caracteres:

mysql> SELECT COERCIBILITY('A' COLLATE latin1_swedish_ci);
        -> 0
mysql> SELECT COERCIBILITY(VERSION());
        -> 3
mysql> SELECT COERCIBILITY('A');
        -> 4

Consulte Sección 12.9.3, “Funciones de información”.

En MySQL 5.0 antes de la versión 5.0.3, no hay constantes de sistema o coercibilidad ignorables. Funciones como USER() tienen una coercibilidad de 2 en lugar de 3, y los literales tienen una coercibilidad de 3 en lugar de 4.

Recuerde que cada conjunto de caracteres tiene una o más colaciones, y cada colación está asociadad con uno y sólo un conjunto de caracteres. Por lo tanto, los siguientes comandos causan un mensaje de error ya que la colación latin2_bin no es legal con el conjunto de caracteres latin1:

mysql> SELECT _latin1 'x' COLLATE latin2_bin;
ERROR 1251: COLLATION 'latin2_bin' is not valid
for CHARACTER SET 'latin1'

Supongamos que la columna X en la tabla T tiene estos valores de columna latin1:

Muffler
Müller
MX Systems
MySQL

Y supongamos que los valores de la columna se retornan usando los siguientes comandos:

SELECT X FROM T ORDER BY X COLLATE nombre_de_colación;

El orden resultante de los valores para diferentes colaciones se muestra en esta tabla:

La tabla es un ejemplo que muestra el efecto de la utilización de diferentes colaciones en una cláusula ORDER BY. El carácter que causa el orden de ordenación diferente en este ejemplo es la U con dos puntos encima (ü), que los alemanes llaman "U-umlaut".

MySQL tiene varios operadores y funciones que retornan una cadena de caracteres. Esta sección responde a la pregunta: ¿Cuál es el conjunto de caracteres y colación de esta cadena de caracteres?

Para funciones simples que toman una entrada de cadenas de caracteres y devuelven una cadena de caracteres como salida, el conjunto de caracteres y colación de la salida son las mismas que las de la entrada. Por ejemplo UPPER(X) devuelve una cadena de caracteres con un conjunto de caracteres y colación iguales a las de X. Lo mismo se aplica para INSTR(), LCASE(), LOWER(), LTRIM(), MID(), REPEAT(), REPLACE(), REVERSE(), RIGHT(), RPAD(), RTRIM(), SOUNDEX(), SUBSTRING(), TRIM(), UCASE(), y UPPER(). (Debe tenerse en cuenta que la función REPLACE(), a diferencia del resto de funciones, ignora siempre la colación de la cadena de caracteres de entrada y realiza una comparación que no distingue entre mayúsculas y minúsculas).

Para operaciones que combinan varias cadenas de caracteres de entrada y devuelven una única cadena de salida, se aplica la “regla de agregación”estándar de SQL:

Por ejemplo, con CASE ... WHEN a THEN b WHEN b THEN c COLLATE X END, la colación resultante es X. Lo mismo se aplica para CASE, UNION, ||, CONCAT(), ELT(), GREATEST(), IF(), y LEAST().

Para operaciones que conviertan datos de tipo carácter, el conjunto de caracteres y colación de las cadenas de caracteres resultantes de las operaciones se definen por las variables de sistema character_set_connection y collation_connection . Esto se aplica en CAST(), CHAR(), CONV(), FORMAT(), HEX(), y SPACE().

CONVERT() proporciona un modo de convertir datos entre distintos conjuntos de caracteres. La sintaxis es:

CONVERT(expr USING transcoding_name)

En MySQL, "transcoding names" es lo mismo que los conjuntos de caracteres correspondientes.

Ejemplos:

SELECT CONVERT(_latin1'Müller' USING utf8);
INSERT INTO utf8table (utf8column)
    SELECT CONVERT(latin1field USING utf8) FROM latin1table;

CONVERT(... USING ...) se implementa según la especificación de SQL estándar.

En modo SQL TRADITIONAL, si convierte una cadena de caracteres de fecha “zero” en una fecha, CONVERT() retorna NULL. MySQL 5.0.4 y versiones posteriores también muestran un mensaje de advertencia.

Puede usar CAST() para convertir una cadena de caracteres a un conjunto de caracteres distinto. La sintaxis es:

CAST(cadena_de_caracteres AS tipo_de_datos CHARACTER SET nombre_de_conjunto_de_caracteres)

Ejemplo:

SELECT CAST(_latin1'test' AS CHAR CHARACTER SET utf8);

Si usa CAST() sin especificar CHARACTER SET, el conjunto de caracteres y colación resultantes se definen por las variables de sistema character_set_connection y collation_connection . Si usa CAST() con CHARACTER SET X, el conjunto de caracteres y colación resultantes son X y la colación por defecto de X.

Puede no usar una cláusula COLLATE dentro de CAST(), pero puede hacerlo fuera. Esto es, CAST(... COLLATE ...) es ilegal, pero CAST(...) COLLATE ... es legal.

Ejemplo:

SELECT CAST(_latin1'test' AS CHAR CHARACTER SET utf8) COLLATE utf8_bin;

En modo SQL TRADITIONAL, si convierte una cadena de caracteres de fecha “zero” a una fecha, CAST() retorna NULL. MySQL 5.0.4 y versiones posteriores muestran un mensaje de advertencia.

Varios comandos SHOW proporcionan información adicional de conjuntos de caracteres. Esto incluye SHOW CHARACTER SET, SHOW COLLATION, SHOW CREATE DATABASE, SHOW CREATE TABLE and SHOW COLUMNS.

El comando SHOW CHARACTER SET muestra todos los conjuntos de caracteres disponibles. Tiene una cláusula opcional LIKE que indica con qué nombres de conjunto de caracteres comparar. Por ejemplo:

mysql> SHOW CHARACTER SET LIKE 'latin%';
+---------+-----------------------------+-------------------+--------+
| Charset | Description                 | Default collation | Maxlen |
+---------+-----------------------------+-------------------+--------+
| latin1  | ISO 8859-1 West European    | latin1_swedish_ci |      1 |
| latin2  | ISO 8859-2 Central European | latin2_general_ci |      1 |
| latin5  | ISO 8859-9 Turkish          | latin5_turkish_ci |      1 |
| latin7  | ISO 8859-13 Baltic          | latin7_general_ci |      1 |
+---------+-----------------------------+-------------------+--------+

Consulte Sección 13.5.4.1, “Sintaxis de SHOW CHARACTER SET”.

La salida de SHOW COLLATION incluye todos los conjuntos de caracteres. Tiene una cláusula opcional LIKE que indica con qué nombres de conjunto de caracteres comparar. Por ejemplo:

mysql> SHOW COLLATION LIKE 'latin1%';
+-------------------+---------+----+---------+----------+---------+
| Collation         | Charset | Id | Default | Compiled | Sortlen |
+-------------------+---------+----+---------+----------+---------+
| latin1_german1_ci | latin1  |  5 |         |          |       0 |
| latin1_swedish_ci | latin1  |  8 | Yes     | Yes      |       0 |
| latin1_danish_ci  | latin1  | 15 |         |          |       0 |
| latin1_german2_ci | latin1  | 31 |         | Yes      |       2 |
| latin1_bin        | latin1  | 47 |         | Yes      |       0 |
| latin1_general_ci | latin1  | 48 |         |          |       0 |
| latin1_general_cs | latin1  | 49 |         |          |       0 |
| latin1_spanish_ci | latin1  | 94 |         |          |       0 |
+-------------------+---------+----+---------+----------+---------+

Consulte Sección 13.5.4.2, “Sintaxis de SHOW COLLATION”.

SHOW CREATE DATABASE muestra el comando CREATE DATABASE que crea una base de datos dada. El resultado incluye todas las opciones de la base de datos DEFAULT CHARACTER SET y COLLATE están soportadas. Todas las opciones de las bases de datos se guardan en un fichero de datos llamado db.opt que se encuentra en el directorio de la base de datos.

mysql> SHOW CREATE DATABASE test;
+----------+-----------------------------------------------------------------+
| Database | Create Database                                                 |
+----------+-----------------------------------------------------------------+
| test     | CREATE DATABASE `test` /*!40100 DEFAULT CHARACTER SET latin1 */ |
+----------+-----------------------------------------------------------------+

Consulte Sección 13.5.4.4, “Sintaxis de SHOW CREATE DATABASE”.

SHOW CREATE TABLE es similar, pero muestra el comando CREATE TABLE para crear una tabla dada. Las definiciones de columnas indican cualquier especificación del conjunto de caracteres, y las opciones de tabla incluyen información del conjunto de caracteres.

Consulte Sección 13.5.4.5, “Sintaxis de SHOW CREATE TABLE”.

El comando SHOW COLUMNS muestra la colación de las columnas de una tabla cuando se invoca como SHOW FULL COLUMNS. Columnas con tipos de datos CHAR, VARCHAR, o TEXT tienen colaciones no-NULL . Tipos numéricos y otros tipos no-carácter tiene colaciones NULL. Por ejemplo:

mysql> SHOW FULL COLUMNS FROM person\G
*************************** 1. row ***************************
     Field: id
      Type: smallint(5) unsigned
 Collation: NULL
      Null: NO
       Key: PRI
   Default: NULL
     Extra: auto_increment
Privileges: select,insert,update,references
   Comment:
*************************** 2. row ***************************
     Field: name
      Type: char(60)
 Collation: latin1_swedish_ci
      Null: NO
       Key:
   Default:
     Extra:
Privileges: select,insert,update,references
   Comment:

El conjunto de caracteres no es parte de lo que se muestra. (El nombre del conjunto de caracteres está implícito en el nombre de la colación.)

Consulte Sección 13.5.4.3, “Sintaxis de SHOW COLUMNS”.

MySQL tiene dos conjuntos de caracteres Unicode. Puede almacenar texto en unos 650 idiomas usando estos conjuntos de caracteres. Hemos añadido varias colaciones para estos dos nuevos conjuntos, y pronto añadiremos más.

La colación utf8_unicode_ci está implementada según el Algoritmo de Colación Unicode (UCA, Unicode Collation Algorithm ) descrito en http://www.unicode.org/reports/tr10/. La colación usa la versión-4.0.0 UCA para el peso de las claves: http://www.unicode.org/Public/UCA/4.0.0/allkeys-4.0.0.txt. (La siguiente exposición se basa en utf8_unicode_ci, pero también es cierta para ucs2_unicode_ci.)

Actualmente, la colación utf8_unicode_ci tiene soporta sólo parcialmente el Algoritmo de colación Unicode. Algunos caracteres no están todavía soportados. Además, la combinacion de marcas no está soportada completamente. Esto afecta al vietnamita y a algunos idiomas minoritarios en Rusia como el Udmurt, Tatar, Bashkir, y Mari.

La caractarística más significativa en utf8_unicode_ci es que soporta expansiones, esto es, cuando un carácter resulta igual a una combinación de otros caracteres. Por ejemplo, en alemán y otros idiomas 'ß' es igual a 'ss'.

utf8_general_ci es una colación heredada que no soporta expansiones. Sólo puede hacer comparaciones entre caracteres uno a uno. Esto significa que las comparaciones para colaciones utf8_general_ci son más rápidas, pero ligeramente menos correctas, que las comparaciones en utf8_unicode_ci).

Por ejemplo, las siguientes ecuaciones funcionan tanto en utf8_general_ci como en utf8_unicode_ci:

Ä = A
Ö = O
Ü = U

En cambio, esto es cierto para utf8_general_ci:

ß = s

Minentras que para utf8_unicode_ci es cierta la siguiente:

ß = ss

Colaciones específicas de idiomas para el conjunto de caracteres utf8 están implementadas sólo si la ordenación con utf8_unicode_ci no funciona bien para un idioma. Por ejemplo, utf8_unicode_ci funciona bien para alemán y francés, así que no es necesario crear colaciones utf8 especiales para estos dos idiomas.

utf8_general_ci también es satisfactorio para alemán y francés, excepto que 'ß' es igual a 's', y no a 'ss'. Si esto es aceptable para su aplicación, debe usar utf8_general_ci porque es más rápido. En caso contraro , use utf8_unicode_ci porque es más preciso.

utf8_swedish_ci, como otras colaciones utf8 específicas de un idioma, deriva de utf8_unicode_ci con reglas adicionales de idioma. Por ejemplo, en sueco, la siguiente comparación es cierta, lo que no esperaría un alemán o un francés:

Ü = Y < Ö

Las colaciones utf8_spanish_ci y utf8_spanish2_ci se corresponden con español moderno y español tradicional respectivamente. En ambas colaciones , 'ñ' es una letra independiente, entre 'n' y 'o'. Además, para español tradicional 'ch' es una letra, ordenada entre 'c' y d, y 'll' es una letra que se coloca entre 'l' y 'm'

Los conjuntos de caracteres para Europa Occidental cubren la mayoría de lenguas de Europa Occidental como francés, español, catalán, vasco, protugués, italiano, albano, alemán, holandés, sueco, noruego, finlandés, feroés, islandés, irlandés, escocés e inglés.

También proveemos algún soporte para conjuntos de caracteres usados en la República Checa, Eslovaquia, Hungría, Romania, Eslovenia, Croacia y Polonia.

Los conjuntos de caracteres bálticos cubren estonio, letón, y lituano. Hay dos conjuntos de caracteres bálticos soportados en la actualidad:

Estos son los conjuntos de caracteres cirílicos y colaciones para usar con bielorruso, búlgaro, ruso y ucraniano.

Los conjuntos de caracteres asiáticos que soportamos incluyen chino, japonés, koreano y thai. Esto puede ser complicado. Por ejemplo, los conjuntos chinos deben permitir miles de caracteres distintos.