Documentation Home
MySQL 8.3 Reference Manual
Related Documentation Download this Manual
PDF (US Ltr) - 40.8Mb
PDF (A4) - 40.9Mb
Man Pages (TGZ) - 294.0Kb
Man Pages (Zip) - 409.0Kb
Info (Gzip) - 4.0Mb
Info (Zip) - 4.0Mb
Excerpts from this Manual

12.14.4.2 MySQL 中支持的 LDML 语法

本节描述了 MySQL 认可的 LDML 语法。这是 LDML 规范中描述的语法的一个子集,详见 http://www.unicode.org/reports/tr35/,该规范应被咨询以获取更多信息。MySQL 认可的语法子集足够大,以至于在许多情况下,可以从 Unicode 公共语言数据存储库下载排序定义,并将相关部分(即 <rules></rules> 标签之间的部分)粘贴到 MySQL 的 Index.xml 文件中。这里描述的规则都被支持,除了字符排序仅在主要级别上发生。指定次要或更高级别排序的规则被识别(因此可以包含在排序定义中),但被视为主要级别的相等。

MySQL 服务器在解析 Index.xml 文件时生成诊断信息。见 第 12.14.4.3 节,“Index.xml 解析期间的诊断”

字符表示

LDML 规则中的字符可以以文字形式或 \unnnn 格式书写,其中 nnnn 是 Unicode 码点值的十六进制表示。例如,Aá 可以以文字形式书写,也可以作为 \u0041\u00E1。在十六进制值中,数字 AF 不区分大小写:\u00E1\u00e1 是等效的。对于 UCA 4.0.0 排序,十六进制表示只能用于基本多语言平面中的字符,而不能用于基本多语言平面范围外的字符 0000FFFF。对于 UCA 5.2.0 排序,十六进制表示可以用于任何字符。

Index.xml 文件本身应使用 UTF-8 编码。

语法规则

LDML 有重置规则和移位规则来指定字符排序。排序规则被指定为一组规则,开始于重置规则,以确定锚点,然后是移位规则,指示字符相对于锚点的排序。

  • 一个 <reset> 规则本身不指定任何排序。相反,它 重置 了后续移位规则,使它们相对于给定字符进行排序。以下任一规则都将后续移位规则重置为相对于字母 'A' 的排序:

    <reset>A</reset>
    
    <reset>\u0041</reset>
  • <p><s><t> 移位规则定义了字符的主要、次要和三级差异:

    • 使用主要差异来区分单独的字母。

    • 使用次要差异来区分音调变体。

    • 使用三级差异来区分字母大小写变体。

    以下任一规则都指定了字符 'G' 的主要移位规则:

    <p>G</p>
    
    <p>\u0047</p>
  • <i> 移位规则指示一个字符与另一个字符排序相同。以下规则使 'b' 排序与 'a' 相同:

    <reset>a</reset>
    <i>b</i>
  • 缩写移位语法使用单个标签对指定多个移位规则。以下表显示了缩写语法规则与等效非缩写规则之间的对应关系。

    表 12.5 缩写移位语法

    Abbreviated Syntax Nonabbreviated Syntax
    <pc>xyz</pc> <p>x</p><p>y</p><p>z</p>
    <sc>xyz</sc> <s>x</s><s>y</s><s>z</s>
    <tc>xyz</tc> <t>x</t><t>y</t><t>z</t>
    <ic>xyz</ic> <i>x</i><i>y</i><i>z</i>

  • 扩展是一个重置规则,用于建立多字符序列的锚点。MySQL 支持 2 到 6 个字符长的扩展。以下规则将 'z' 排序在三个字符 'abc' 序列的主要级别上:

    <reset>abc</reset>
    <p>z</p>
  • 收缩是一个将多个字符序列排序的规则。 MySQL支持2到6个字符长的收缩。 以下规则将三个字符序列 'xyz' 排序在主要级别高于 'a'

    <reset>a</reset>
    <p>xyz</p>
  • 长扩展和长收缩可以一起使用。 这些规则将三个字符序列 'xyz' 排序在主要级别高于三个字符序列 'abc'

    <reset>abc</reset>
    <p>xyz</p>
  • 普通扩展语法使用 <x><extend> 元素来指定扩展。 以下规则将字符 'k' 排序在次要级别高于序列 'ch'。 也就是说, 'k' 行为就像它扩展到字符 'c' 后跟 'h'

    <reset>c</reset>
    <x><s>k</s><extend>h</extend></x>

    该语法允许长序列。 这些规则将序列 'ccs' 排序在三级级别高于序列 'cscs'

    <reset>cs</reset>
    <x><t>ccs</t><extend>cs</extend></x>

    LDML规范将普通扩展语法描述为 tricky.”” 查看该规范以获取详细信息。

  • 前一个上下文语法使用 <x><context> 元素来指定在字符之前的上下文如何影响其排序。 以下规则将 '-' 排序在次要级别高于 'a',但仅当 '-' 出现在 'b' 之后:

    <reset>a</reset>
    <x><context>b</context><s>-</s></x>
  • 前一个上下文语法可以包括 <extend> 元素。 这些规则将 'def' 排序在主要级别高于 'aghi',但仅当 'def' 出现在 'abc' 之后:

    <reset>a</reset>
    <x><context>abc</context><p>def</p><extend>ghi</extend></x>
  • 重置规则允许 before 属性。 通常,重置规则后的shift规则指示字符排序在重置字符之后。 shift规则后的重置规则具有 before 属性,指示字符排序在重置字符之前。 以下规则将字符 'b' 排序在主要级别的 'a' 之前:

    <reset before="primary">a</reset>
    <p>b</p>

    允许的 before 属性值指定排序级别的名称或等效的数字值:

    <reset before="primary">
    <reset before="1">
    
    <reset before="secondary">
    <reset before="2">
    
    <reset before="tertiary">
    <reset before="3">
  • 重置规则可以命名逻辑重置位置,而不是文字字符:

    <first_tertiary_ignorable/>
    <last_tertiary_ignorable/>
    <first_secondary_ignorable/>
    <last_secondary_ignorable/>
    <first_primary_ignorable/>
    <last_primary_ignorable/>
    <first_variable/>
    <last_variable/>
    <first_non_ignorable/>
    <last_non_ignorable/>
    <first_trailing/>
    <last_trailing/>

    这些规则将 'z' 排序在主要级别高于不可忽略的字符,这些字符具有默认 Unicode 排序元素表(DUCET)条目且不是CJK:

    <reset><last_non_ignorable/></reset>
    <p>z</p>

    逻辑位置具有以下表中的代码点。

    表 12.6 逻辑重置位置代码点

    Logical Position Unicode 4.0.0 Code Point Unicode 5.2.0 Code Point
    <first_non_ignorable/> U+02D0 U+02D0
    <last_non_ignorable/> U+A48C U+1342E
    <first_primary_ignorable/> U+0332 U+0332
    <last_primary_ignorable/> U+20EA U+101FD
    <first_secondary_ignorable/> U+0000 U+0000
    <last_secondary_ignorable/> U+FE73 U+FE73
    <first_tertiary_ignorable/> U+0000 U+0000
    <last_tertiary_ignorable/> U+FE73 U+FE73
    <first_trailing/> U+0000 U+0000
    <last_trailing/> U+0000 U+0000
    <first_variable/> U+0009 U+0009
    <last_variable/> U+2183 U+1D371

  • <collation> 元素允许 shift-after-method 属性,该属性影响shift规则的字符权重计算。 属性具有以下允许值:

    • simple:计算字符权重,如同reset规则没有 before 属性一样。 这是默认值,如果属性未给出。

    • expand:使用扩展来shift规则后的reset规则。

    假设 '0''1' 具有权重 0E290E2A,我们想将所有基本拉丁字母放在 '0''1' 之间:

    <reset>0</reset>
    <pc>abcdefghijklmnopqrstuvwxyz</pc>

    对于简单shift模式,权重计算如下:

    'a' has weight 0E29+1
    'b' has weight 0E29+2
    'c' has weight 0E29+3
    ...

    然而,没有足够的空闲位置将26个字符放在 '0''1' 之间。 结果是数字和字母混合。

    要解决这个问题,使用 shift-after-method="expand"。 然后权重计算如下:

    'a' has weight [0E29][233D+1]
    'b' has weight [0E29][233D+2]
    'c' has weight [0E29][233D+3]
    ...

    233D 是UCA 4.0.0 中字符 0xA48C 的权重,最后一个不可忽略的字符(排序表中的最后一个字符,排除CJK)。 UCA 5.2.0 类似,但使用 3ACA,对应字符 0x1342E

MySQL-Specific LDML 扩展

LDML 规则的扩展允许 <collation> 元素包括可选的 version 属性,以指示排序基于哪个 UCA 版本。 如果省略 version 属性,其默认值为 4.0.0。 例如,该规范指示基于 UCA 5.2.0 的排序:

<collation id="nnn" name="utf8mb4_xxx_ci" version="5.2.0">
...
</collation>