MySQLの全角 ( マルチバイト ) 文字とREGEXP #MySQL

ハマったのでメモ。

結論

MySQLのREGEXPはマルチバイトには対応していないので気をつけないと駄目。

collationというものがある。

デフォルトではutf8_general_ci ( または utf8mb4_general_ci ) が設定されているらしい。
この場合、全角文字と半角文字は別の文字として判断される。

SELECT `users`.* FROM `users` WHERE (name like 'hoge')

=> "hoge", "Hoge"などはマッチするが、"ｈｏｇｅ", "Ｈｏｇｅ"などはマッチしない

全角半角区別なくマッチさせたかったので、collationをutf8_unicode_ciに無理やり変更することで対処。

SELECT `users`.* FROM `users` WHERE (name collate utf8_unicode_ci like 'hoge')

=> "hoge", "Hoge", "ｈｏｇｅ", "Ｈｏｇｅ", "hOｇＥ"のいずれもマッチする。

やったぜ。

検索したい文字列が1種類の場合、上記の手法で問題ない(はず)。
が、今回は複数文字列に対してマッチングさせたかった。
なのでRegEXPを利用することを考えたが、これでハマった。

SELECT `users`.* FROM `users` WHERE (name regexp 'hoge')

=> "hoge", "Hoge"はマッチする、"ｈｏｇｅ", "Ｈｏｇｅ"などはマッチしない

SELECT `users`.* FROM `users` WHERE (name collate utf8_unicode_ci regexp 'hoge')

=> "hoge", "Hoge"はマッチする、"ｈｏｇｅ", "Ｈｏｇｅ"などはマッチしない

？

調べたところ、MySQLはマルチバイト文字列に対するREGEXPには対応していないみたい。

公式ドキュメントはまず読んでみるべきだと反省。

LIKEとORで頑張ろうと思うけど、そもそもレコードに保存する際に半角に変換するとかこんなクエリ考えないような設計にしたほうがいいのでは･･･？