Ruby：根据数据库排序规则比较两个字符串 utf8_general_ci答案

【问题标题】：Ruby: compare two strings in terms of database collation utf8_general_ciRuby：根据数据库排序规则比较两个字符串 utf8_general_ci
【发布时间】：2016-04-05 05:23:40
【问题描述】：

我也有类似here 的问题。但由于没有足够的学分所以无法在那里发表评论，所以产生了新的问题。

不管怎样，问题是：

我想比较 ruby 中的两个字符串，方法与 mysql 类似将两个字符串与排序规则 utf_general_ci 进行比较。

详细来说，当在 db 中选择排序规则 utf_general_ci 时，在执行查询时，mysql 对待 'a' and 'ä' 是 same。由于我想要批量插入，因此我将所有名称（带有 utf_general_ci 排序规则的列）拉入 ruby 脚本，并在不存在名称的情况下进行插入语句。但是在ruby 的比较过程中，'a' and 'ä' 这样的字符会被处理为different。但我希望在 utf_general_ci 排序规则的情况下，以类似 mysql 的方式实现比较。

在旧问题中，有一个使用 'iconv' 的答案，在 1.9.3 之后已弃用。所以我认为应该使用String#encode 来做同样的事情。但找不到复制该行为的确切方法。

【问题讨论】：

为什么不简单地发出一个 MySQL 命令来进行比较？
@RickJames 是的，我可以发出 MySQL 命令首先搜索表中是否存在，如果不存在则插入。但这需要很多时间，因为我有大量数据。所以这就是为什么我试图形成一批插入语句然后上传到 MySQL 数据库。
INSERT ... ON DUPLICATE KEY UPDATE ... 避免了在插入之前检查行是否存在的需要。
但是对于每个条目，我都想避免“插入”查询，因为它需要很多时间。
但是SELECT 必须花时间进行检查。通过结合检查和插入/更新，它实际上节省了时间。如果您可以显示您现在的查询，也许我可以更清楚（或可能是错误的）。

标签： mysql ruby-on-rails ruby database collation

【解决方案1】：

AFAIK，目前在 ruby 中没有直接的方法。另一方面，人们可以简单地用手来做。忍者的方法是为此使用icu 库。

结果你可能想要最简单的方法，唯一的目标是比较字符串，可以从摆脱重音开始。有两种可能的重音符号：combining diacritical 和 latin supplement。后者是 Latin1/ISO-8859-1 编码的遗留物。

摆脱组合变音符号很容易：

▶ "lätin1, cömbined".gsub(Regexp.new(("\u0300".."\u036f").to_a.join('|')), '')
#⇒ "lätin1, combined"

好的，这是最简单的部分。不幸的是，没有直接的方法可以将传统的 latin1 字符映射到它们的非重音等价物，因此需要自己介绍它：

▶ substs = "ÀÁÂÃÄÅ".split(//).product(['A']).to_h
# for the sake of focusing on the problem, the other symbols are dropped

现在可以这样比较：

▶  "lÄtin1, cömbined".gsub(Regexp.new(("\u0300".."\u036f").to_a.join('|')), '')
                     .gsub(Regexp.new(substs.keys.join('|')), substs)
#⇒ "lAtin1, combined"

因此，两个字符串可能会被“dediacritized”，然后进行比较。

请注意，我承认这种方法是错误的。应该使用与icu library 的正确绑定，但是当您了解自己在做什么并以最小的努力开箱即用时，上述方法就可以解决问题。

【讨论】：