Question

我在PHP中创建了一个脚本，它基本上将带有名字的CSV（外部生成）上传到MySQL数据库，然后处理每一行以确定名字是来自使用外部API的男性还是女性。

一旦评估了每一行（名称），它就会将名称存储在辅助表中（existing_names或缺少取决于结果）。

为避免浪费我的API请求并加快处理速度，每次上传CSV时，都会运行以下查询以确定表中是否已存在名称。

SELECT DISTINCT nl.name 
FROM namelist nl 
LEFT JOIN (
    SELECT name 
    FROM missing 
    UNION 
    SELECT name 
    FROM existing_names 
    ) en ON en.name = nl.name 
WHERE en.name IS NULL

从这个查询中，我获得了将在API的帮助下评估的新行集。

我的数据库和我的所有表都有这个值作为校对：utf8_unicode_ci但是我得到了奇怪的结果，如＃34; A LUIGI＆＃34;两个表都有不同的长度：＆＃39; 8＆＃39;在名单和＆＃39; 7＆＃39;现有的。

因此，上面的查询返回了大量已经评估过的名称。

两个问题： 1.在这种情况下，我应该如何构建查询以标准化排序规则？ 2.我应该将哪些代码添加到我的PHP脚本中，以避免使用具有不同排序规则的字符串填充数据库？

感谢您的时间。

Answer 1

垃圾进，垃圾出你可能在＆＃34; A LUIGI＆＃34;在其中一个表中。要调试它，请执行

SELECT name, LENGTH(name), CHAR_LENGTH(name), HEX(name)
    FROM ...
    WHERE name LIKE '%LUIGI%';

每张桌子。

对于7-char版本，我希望两个长度都是7，HEX是41204C55494749。
如果在开头或结尾有额外的20，那么在插入文字时应该使用TRIM。
如果中间有一个额外的20，那就是另一个GIGO案例。
如果CHAR_LENGTH为7但LENGTH为8，那么我们需要查看十六进制以查看某个utf8字符是否是英文/意大利字母的睫毛膏。

一旦你有两个字符串的HEX，我们就可以讨论＆＃39;整理＆＃39;的问题。

相同的字符串比较不工作mysql

1 个答案: