PUBLIC MARKS from dzc with tag "encodage des caractères"

pour le Français, on peut utiliser utf8_bin sur une colonne où tout le texte est soit en minuscules, soit en majuscules de façon à obtenir les meilleures performances. Si on n'est pas sur de la casse des caractères, il faut utiliser utf8_general_ci. Enfin, si vous travaillez avec plusieurs langues différentes, utf8_unicode_ci sera alors peut-être plus adapté.

J’ai utilisé cette technique pour convertir une base de données de 115Go et tout c’est bien déroulé. L’astuce consiste à transformer les chaines de caractères à un format binaire, pour ensuite les reconvertir en UTF8. Il faut cependant ne pas négliger un aspect lors de cette conversion. Les caractères Latin1 utilise 1 byte par caractère alors qu’un caractère UTF8 utilisent 3 bytes par caractère. Si l’espace disque est une de vos contraintes, il ne faut pas prendre cette conversion à la légère!

List of XML and HTML character entity references

transforming your ascii email address into its equivalent decimal entity

Réencodage d'une arborescence vers l'UTF-8