我的问题是如何从 MySQL 服务器的 utf-8 列中找到特定的字符集?
请注意,这不是重复问题,请仔细阅读所问内容,而不是您的想法。
目前 MySQL 确实与 utf-8 完美配合,并显示所有类型的不同语言,我在数据库中看到不同的语言没有任何问题。我使用 SQLyog 连接 MySQL 服务器,所有 SELECT 结果都是完美的,我可以看到西里尔文、日语、中文、土耳其语、法语、意大利语或阿拉伯语或任何类型的语言混合并完美显示。 my.ini 和脚本也经过完美配置并运行良好。
在这里How can I find non-ASCII characters in MySQL?我看到有些人回答了这个问题,他们的答案也非常适合查找非 ASCII 文本。但我的问题很相似,但略有不同。我想从 MySQL 服务器的 utf-8 列中找到特定的字符集。
假设,
select * from TABLE where COLUMN regexp '[^ -~]';
它返回所有非 ASCII 字符,包括西里尔字母、日语、中文、土耳其语、法语、意大利语、阿拉伯语或任何类型的语言。但我想要的是
SELECT * from TABLE WHERE COLUMN like or regexp'Japanese text only?'
换句话说,我只想选择日语编码的文本。目前我可以用它看到所有类型的语言;
select * from TABLE where COLUMN regexp '[^ -~]';
但我想选择仅日语、俄语、阿拉伯语或法语。怎么做?
数据库包含所有语言混合行和 UTF-8。我不确定在 MySQL Server 中是否可行?如果不可能,那么该怎么做?
非常感谢!
最佳答案
好吧,让我们从我放入 here 的表格开始.例如,它表示 E381yy 是平假名的 utf8 编码,而 E383yy 是片假名(日语)。 (汉字是另一回事。)
要查看 utf8 列是否包含片假名,请执行以下操作
WHERE HEX(col) REGEXP '^(..)*E383'
可能是西里尔文
WHERE HEX(col) REGEXP '^(..)*D[0-4]'
中文有点棘手,但这可能通常适用于中文(和汉字?):
WHERE HEX(col) REGEXP '^(..)*E[4-9A]'
(我将更改您的标题以避免关键字“字符集”。)
西欧(包括但不限于法语)C[23]
、土耳其语(大约和其他一些)(C4|C59)
、希腊语: C[EF]
,希伯来语:D[67]
,印度语等:E0
,阿拉伯语/波斯语/波斯语/乌尔都语: D[89AB]
。 (始终以 ^(..)*
为前缀。
您可能会注意到这些不一定非常具体。这是因为重叠。英式英语和美式英语只能通过几个单词的拼写来区分。几个重音字母在欧洲以各种方式共享。印度有许多不同的字符集:天城文、孟加拉文、古尔穆奇文、古吉拉特文等;这些可能是可区分的,但需要更多的研究。我认为阿拉伯语/波斯语/波斯语/乌尔都语共享一个字符集。
还有一些:
| SAMARITAN | E0A080 | E0A0BE |
| DEVANAGARI | E0A480 | E0A5BF |
| BENGALI | E0A681 | E0A7BB |
| GURMUKHI | E0A881 | E0A9B5 |
| GUJARATI | E0AA81 | E0ABB1 |
| ORIYA | E0AC81 | E0ADB1 |
| TAMIL | E0AE82 | E0AFBA |
| TELUGU | E0B081 | E0B1BF |
| KANNADA | E0B282 | E0B3B2 |
| MALAYALAM | E0B482 | E0B5BF |
| SINHALA | E0B682 | E0B7B4 |
| THAI | E0B881 | E0B99B |
| LAO | E0BA81 | E0BB9D |
| TIBETAN | E0BC80 | E0BF94 |
因此,对于梵文,'^(..)*E0A[45]'
关于mysql - 如何在 MySQL 的 utf-8 列中识别语言,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/37063793/