不是重复的，但仍然违反完整性约束：1062 重复条目

Question

我正在使用 MySQL（版本 8.0.32）

我有一个表，其架构如下所示：

CREATE TABLE `players` (
  `id` bigint UNSIGNED NOT NULL,
  `name` varchar(255) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci NOT NULL,
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_unicode_ci;

具有以下索引：

ALTER TABLE `players`
  ADD PRIMARY KEY (`id`),
  ADD UNIQUE KEY `players_name_unique` (`name`),
ALTER TABLE `players` ADD FULLTEXT KEY `players_name_fulltext` (`name`);

已经有以下几行：

id	名字
1	🅲🅷🅰🆁🅾🅽
2	吉姆

当我去运行以下查询时：

UPDATE `players` SET `name` = '𝓜𝓤𝓡𝓓𝓐𝓗' WHERE id = 2

我收到以下错误：

违反完整性约束：1062 重复条目“??????”对于关键的“players.players_name_unique”

为什么 MySQL 认为以下名称是相同的，或者更确切地说，彼此不唯一：

𝓜𝓤𝓡𝓓𝓐𝓗
🅲🅷🅰🆁🅾🅽

我真的很困惑，不知道如何解决这个问题？难道我做错了什么？我应该使用不同的字符集吗？

谢谢您的帮助

Answer 1

我有限的理解是，其中一些字符不在 UCA 4.0.0 中，它是在 *_unicode_ci 排序规则中实现的。所有字符都存在于 UCA 9.0.0 中，因此您应该可以使用默认的 utf8mb4_0900_ai_ci 排序规则。

来自 MySQL 文档（Unicode 排序算法 (UCA) 版本）：

MySQL 根据 http://www.unicode.org/reports/tr10/ 中描述的 Unicode 排序算法 (UCA) 实现 xxx_unicode_ci 排序规则。该排序规则使用版本 4.0.0 UCA 权重键：http://www.unicode.org/Public/UCA/4.0.0/allkeys-4.0.0.txt。

xxx_unicode_ci

排序规则仅部分支持 Unicode 排序规则算法。不支持某些字符，并且不完全支持组合标记。这会影响越南语、约鲁巴语和纳瓦霍语等语言。在字符串比较中，组合字符被视为与使用单个 unicode 字符编写的相同字符不同，并且这两个字符被视为具有不同的长度（例如，由

CHAR_LENGTH()

函数返回或在结果集元数据中返回） ).

基于 UCA 版本高于 4.0.0 的 Unicode 排序规则在排序规则名称中包含版本。例子：

• utf8mb4_unicode_520_ci

  基于UCA 5.2.0权重键（http://www.unicode.org/Public/UCA/5.2.0/allkeys.txt），

• utf8mb4_0900_ai_ci

  基于 UCA 9.0.0 权重键 (http://www.unicode.org/Public/UCA/9.0.0/allkeys.txt)。

字符	角色名称		UCA 4.0.0	UCA 5.2.0	UCA 9.0.0
🅲	负平方拉丁文大写字母 C	U+1F172	✗	✗	✔
🅷	负平方拉丁文大写字母 H	U+1F177	✗	✗	✔
🅰	负平方拉丁文大写字母 A	U+1F170	✗	✗	✔
🆁	负平方拉丁文大写字母 R	U+1F181	✗	✗	✔
🅾	负平方拉丁文大写字母 O	U+1F17E	✗	✗	✔
🅽	负平方拉丁文大写字母 N	U+1F17D	✗	✗	✔
𝓜	数学粗体字母大写 M	U+1D4DC	✔	✔	✔
𝓤	数学粗体字母大写 U	U+1D4E4	✔	✔	✔
𝓡	数学粗体字母大写 R	U+1D4E1	✔	✔	✔
𝓓	数学粗体字母大写 D	U+1D4D3	✔	✔	✔
𝓐	数学粗体字母大写 A	U+1D4D0	✔	✔	✔
𝓗	数学粗体字母大写 H	U+1D4D7	✔	✔	✔

SET @string1 = '𝓜𝓤𝓡𝓓𝓐𝓗' COLLATE utf8mb4_0900_ai_ci;
SET @string2 = '🅲🅷🅰🆁🅾🅽' COLLATE utf8mb4_0900_ai_ci;

SELECT *
FROM (
    VALUES
        ROW(@string1, @string2, 'utf8mb4_unicode_ci', @string1 COLLATE utf8mb4_unicode_ci = @string2 COLLATE utf8mb4_unicode_ci),
        ROW(@string1, @string2, 'utf8mb4_unicode_520_ci', @string1 COLLATE utf8mb4_unicode_520_ci = @string2 COLLATE utf8mb4_unicode_520_ci),
        ROW(@string1, @string2, 'utf8mb4_0900_ai_ci', @string1 COLLATE utf8mb4_0900_ai_ci = @string2 COLLATE utf8mb4_0900_ai_ci),
        ROW(@string1, @string2, 'utf8mb4_da_0900_as_cs', @string1 COLLATE utf8mb4_da_0900_as_cs = @string2 COLLATE utf8mb4_da_0900_as_cs)
) AS x (`@string1`, `@string2`, `collation`, `equal`);

输出：

@string1	@string2	整理	平等
𝓜𝓤𝓡𝓓𝓐𝓗	🅲🅷🅰🆁🅾🅽	utf8mb4_unicode_ci	1
𝓜𝓤𝓡𝓓𝓐𝓗	🅲🅷🅰🆁🅾🅽	utf8mb4_unicode_520_ci	0
𝓜𝓤𝓡𝓓𝓐𝓗	🅲🅷🅰🆁🅾🅽	utf8mb4_0900_ai_ci	0
𝓜𝓤𝓡𝓓𝓐𝓗	🅲🅷🅰🆁🅾🅽	utf8mb4_da_0900_as_cs	0

我无法解释为什么当排序规则中不存在

utf8mb4_unicode_520_ci

字符时，

Negative Squared Latin Capital Letter

认为两个字符串不同。"希望有更好理解的人能够解释为什么排序规则中不存在的字符在 � 75e1 ��utf8mb4_unicode_ci

 和 

utf8mb4_unicode_520_ci

 之间的处理方式不同。

\n "