3

Me encuentro con crear una base de datos, pero me encuentro ante una duda que se las diferencias pero no sé si afecta a las bases de datos.

Yo siempre uso utf8_spanish_ci para crear la base de datos en cuanto al collate de la misma. Pero me he fijado que existe tanto el utf16_general_ci, como utf32_general_ci.

Por lo que he investigado y conozco :

  • utf8 son de un byte
  • utf16 son de dos a cuatro byte
  • utf32 son decuatro fijos.

Fuente

Pero mi duda no es el tamaño , es ¿Afectaría la entrada de datos a la misma? Me refiero , generará problemas con el texto , etc...

Yo supongo que no , pero se que hay ligeras modificaciones que puedan afectar a las mismas.

2
  • 1
    Yo la que utilizo siempre es utf8_general_ci y no me ha dado ningún problema. Sin embargo, lo pongo como comentario porque no sé si es exactamente la respuesta a tu pregunta. Por otro lado, cuando usé utf8_spanish_ci había algún carácter que me daba problemas. Sin embargo, no me acuerdo cual. Espero que te responda alguien que sepa más a fondo sobre las distintas codificaciones. Commented el 10 nov. 2016 a las 12:13
  • Gracias , todo aporte ayuda . Yo siempre uso utf8_general_ci , era por si aporta alguna facilidad o es cosa mía que me lo dijeron hace años y estoy desactualizado. Curiosidad que tengo.
    – CodeNoob
    Commented el 10 nov. 2016 a las 12:47

1 respuesta 1

5

Cuando escoges un collate como utf8_spanish_ci, en realidad estás especificando 2 cosas:

  • El charset: utf-8
  • El collate: spanish_ci

El charset determina cómo representar los datos internamente (los bytes), mientras que el collate determina las reglas que se siguen para comparar y ordenar el texto.

Referencia: Character Sets and Collations in MySQL.

Charset

De modo que para una misma cadena (por ejemplo 'abc'), los valores y la cantidad de bytes usados para representar esa cadena internamente no serán los mismos si usas utf8_general_ci o utf16_general_ci, porque usan 2 charsets diferentes.

Hay 2 razones principales por la que escojerías un charset mas bien que otro en diferentes circunstancias:

  • En el caso de algunos charsets, puede que no tenga la capacidad de representar ciertos carácteres, de modo que es importante escoger un charset que pueda manejar todos los carácteres que necesitas. Si usas un charset que comienza por utf (utf8, utf16, utf32, etc.), entonces puedes estar seguro que puedes manejar cualquier carácter que forma parte de Unicode.
  • La cantidad de bytes usado por carácter varía entre los diferentes charsets. De modo que si deseas controlar la talla de la base de datos, es algo en qué pensar.

Generalmente, el uso de utf-8 es favorecido porque equilibra muy bien la necesidad de manejar todos los carácteres en Unicode, pero a la vez usando un formato que reduce la cantidad de bytes que se necesita.

Para idiomas como español, utf-8 puede representar los carácteres con un solo byte. Pero si te tocara manejar chino por ejemplo, entonces puede que se requieran mas bytes, y entonces puede que utf16 sea más ventajoso. (Nota: contrario a lo que pusistes en la pregunta, utf8 no representa todos los carácteres en Unicode con un solo byte. Algunos sí, otros no.)

Collate

Ahora bien, dentro de un charset, tienes la opción de escoger diferentes collates. Por ejemplo, puedes escoger entre utf8_general_ci y utf8_spanish_ci, y hasta también utf8_spanish2_ci. En todos estos casos, la representación interna del texto es idéntico (los bytes son iguales).

Mas bien, el efecto de escoger un diferente collate es que ajusta la manera cómo el texto es comparado y ordenado en tus consultas.

Por ejemplo, si el texto contiene letras como ñ o la doble L ll, usando diferentes collates vas a notar que el texto se ordena diferentemente cuando haces un ORDER BY.

Aquí te dejo una demostración de cómo el collate afecta el orden del texto en MySQL.

En cuanto al efecto que tiene en la comparación de los datos (where col = 'abc'), no estoy al tanto de ninguna diferencia entre utf8_general_ci y utf8_spanish_ci. Pero puede que haya. Sé que hay diferencias en el caso de otros idiomas como alemán, por ejemplo.

Referencia: Examples of the Effect of Collation.

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.