איזו קבוצת תווים (character sets) בעלי בית אחד (לא Unicode, התומכים באנגלית ובשפה אחת נוספת בלבד) הכי עדיפה לשימוש?
יש את התקן ISO-8859, CP, windows, ISO-646, ועוד...
הבנתי שלכל אחד יש יתרונות וחסרונות משלו. אבל אני עדיין לא יודע במה הכי כדאי להשתמש...

מקורות:
http://en.wikipedia.org/wiki/Category:Character_sets
http://www.i18nguy.com/unicode/codepages.html

תודה מראש

יהיה לך עוד שפות באתר חוץ מאנגלית ועיברית? אם כן, עדיף רק UTF-8. אם לא, אז גם windows-1255 מתאים.

אני רוצה לעשות מערכת המותאמת לשפות רבות, כאשר בהתקנה יש אפשרות בחירה של השפות.
בהתאם לכך, יהיה אפשר לעדכן את המידע הבא:
1. קידוד מתאים לאתר
2. גודל התאים במסד הנתונים (מחרוזות בעיקר)

אבל אני צריך לדעת על-פי איזה תקן הכי כדאי לקודד את האתר.

יוניקוד.
במיוחד אם אתה בונה אתר שאמור לתמוך בריבוי שפות.
בנוגע לגודל "התאים" במסד הנתונים: מאוד קשור לכמות התוכן (וכמובן בסוג המסד) - אין קשר לקידוד בו אתה משתמש.

אני יודע שאני צריך להשתמש ביוניקוד...
אבל כדי לעשות את המערכת יעילה יותר, וכדי לחסוך בכמה שיותר מקום, אני רוצה לעשות סוג של "התאמה חכמה".

במידה והמשתמש בוחר בכמה שפות, כנראה שאצטרך לבחור ביוניקוד.
וביוניקוד לכל תו בשפה מסויימת יכול להיות מספר מסויים של בתים, מ-1 עד 6 בתים. בהתאם לכך אני צריך לבנות את מסד הנתונים שלי.

אבל אני לא מדבר על יוניקוד.
אני מדבר על תקן מסויים, מלבד יוניקוד ומלבד תקן התומך במגוון רב של שפות, שמתאים לאנגלית ולעוד שפה מסוימת.
איזה תקן מבין כל התקנים הידועים (שציינתי בהודעתי הראשונה, וגם כאלה שלא ציינתי) הוא הכי עדיף? או שלמעשה אין דבר כזה "תקן עדיף", ואם אין דבר כזה, אז למה יצרו הרבה תקנים?

ציטוט:

בנוגע לגודל "התאים" במסד הנתונים: מאוד קשור לכמות התוכן (וכמובן בסוג המסד) - אין קשר לקידוד בו אתה משתמש.

יש קשר כפי שציינתי למעלה...
לא שאני אומר שאין קשר לכמות התוכן, אבל יש גם קשר לשפות שמשתמשים בהן.

זאת אופציה לא שימושית ומקור לבעיות עתידיות.
יוניקוד זו תמיד האופציה המועדפת באתרים, לענ"ד.
למשל UTF-8 שומר תווי אנגלית בבית אחד, כך שהוא לא פחות יעיל עבור אנגלית מכל קידוד אחר.
עבור שאר השפות זה נע בין 2 ל 4 בתים. החיסכון שתשיג הוא לא כזה גדול, אבל כמות הבעיות שתיצור לעצמך תהיה גדולה מאוד.

אך כנראה שלא הסברתי את עצמי מספיק טוב...

אני בונה מערכת, ולמערכת הזו יש קובץ התקנה (install).
בקובץ אני מוסיף אפשרות לבחירת השפה שישתמשו בה במערכת.
אם בוחרים שפה אחת (מלבד אנגלית), אז הקידוד יהיה שונה מקידוד של יוניקוד.
אם בוחרים מספר רב של שפות (מלבד אנגלית), הקידוד יהיה קידוד של יוניקוד, ובהתאם לשפות שבחרו, אקבע את גודלם של התאים במסד הנתונים (MySQL), על מנת לחסוך במקום ולקבוע הגדרות נכונות ומתאימות עבור המערכת.
[ אני יודע שאפשר להשתמש ב-VARCHAR ואז גודל השדה יותאם דינאמית לתוכן, אבל בכל מקרה יכול להיות שיש דברים מסוימים שאני לא יודע עליהן שיכולים להוות בעיות בעתיד. חוץ מזה שאני פרפקציוניסט... ].

לכן, אם יבחרו שפה אחת מסוימת (השונה מאנגלית), אצטרך לבחור קידוד השונה מקידוד של יוניקוד (לדוגמא, אם בחרו עברית, אשתמש כנראה ב-windows-1255 או ISO-8859-8-i). לכן אני צריך לדעת באיזה תקן הכי כדאי להשתמש, כדי למנוע בעיות עתידיות שאני לא יודע עליהן.

מה הבעיה שפשוט תיצור שדה TEXT ותשנה לו את הקידוד בהתאם?

אני לא בטוח שהבנתי אותך...

את הקידוד אני קובע כשאני יוצר את הבסיס נתונים בשאילתא:

קוד:

CREATE DATABASE dbName CHARACTER SET MySQLencoding COLLATE MySQLencodingCollation;

ככה שאני לא חייב למעשה לקבוע קידוד לכל טור בנפרד.

ובקשר לקביעת הקידוד אין לי בעיה ממש, חוץ מזה שאני לא יודע באיזה תקן הכי כדאי להישתמש (וזו השאלה העיקרית באשכול). חשוב שהתקן יהיה שונה מתקני (MBCS (multi-byte character set, כמו יוניקוד. כי הרי בתקן יוניקוד אני יודע שהכי כדאי לי להשתמש ב-UTF-8.

שדה של TEXT יש לו גודל של כ-16 וחצי אלף תווים (לא בתים). וכאן זה באמת לא בעיה.
שורה תחתונה: אין בעיה עם היוניקוד...
יש רק את העניין שאני לא בטוח באיזה קידוד בעל בית אחד כדאי לי להישתמש.

קראת לזה התאמה חכמה, ואני לא ממש חושב שהיא חכמה..

חכם זה פשוט, פשוט זה להשתמש תמיד ביוניקוד.
מה שאתה מציע זה פתרון מסורבל, כשבעצם כבר יש פתרון לבעייה הזאת, יוניקוד.

בקיצור, יוניקוד הוא הקידוד השולט כיום, וכל השאר לאט לאט מתים, אין סיבה להשתמש בהם, זה כמו שלא תקנה עכשיו מחשב בן 5 שנים.

בשורה התחתונה: אתה מנסה ליצור יעילות באמצעות סירבול, וזה שני דברים שפשוט לא הולכים ביחד..

אבל למה שאשתמש ביוניקוד, כאשר אפשר להשתמש בקידוד אחר, כאשר עבור כל תו בקידוד אחר המקום במסד נתונים לוקח בית אחד, ובעבור כל תו יוניקוד המקום במסד לוקח בין 1ל-6?

יכול להיות לי מצבים שאפילו אוריד בכחצי את המקום במסד הנתונים. זה לא יעיל?

ב-UTF-8 התווים מיוצגים בתאים שגודלם נע בין בית אחד לארבעה בתים, ולא שישה בתים...

נכון טעות שלי...
אני זוכר שקראתי שהתווים הנראים לעין הם בגודל של 1 עד 4 בתים, אך יש אפשרות לקביעת גודל של תו עד 6 בתים.

ראה בעמוד הבא:
http://www.phpwact.org/php/i18n/charsets
ציטוט מהעמוד:

ציטוט:

UTF-8 allows for five and six byte sequences and PCRE uses that as the definition of UTF-8. But 5/6 byte sequences are not supported by Unicode. That means the above test might pass such a sequence but it would not actually represent any Unicode character - see this comment in the PHP manual for more detail plus some well formed vs. badly formed strings to test with.

ומה שאמרתי בנוגע לחיסכון במסד הנתונים אינו נכון? אני שואל את זה מתוך תמימות, מרצון להבין שאולי אני טועה וזה לא יעיל מה שאני עושה. כי אם זה כך אז אני סתם עובד על החלק הזה ואני סתם טורח.

חיסכון במקום? יש
האם זה יביא לסיבוכים בעתיד? בהחלט

יעילות אי לאו דווקא, האם חסכת בכמה שיותר מקום והאם הקוד רץ במהירות אופטימלית. אתה תכנס לבעיות בעתיד. במיוחד כאשר אין לך מושג מה היתרונות והחסרונות של כל קידוד.

בנוסף למה שכתב לך נדב...
השימוש ביוניקוד יהפוך בשנים הקרובות לתקן דה-פקטו (ללא קשר שהתקן כבר קיים מספר שנים).
לא ממש הבנתי למה אתה רוצה להשתמש בקידוד של בייט אחד?
אחת הבעיות שיש כיום עם אתרים שלא משתמשים ביוניקוד הוא בהצגת האתר על מחשבים שלא מותקנת עליהם השפה בה האתר כתוב. תוכל לראות שם הרבה סימנים לא מזוהים. יוניקוד יראה זהה תחת כל מע' הפעלה מכל גרסא (חוץ ממערכת חלונות שיוניקוד מוטמע בה ב-100% רק מגרסת 2000 ומעלה).

וללא קשר למסד הנתונים אין הגדרות מיוחדות עבור יוניקוד. גודל השדות נקבע ע"י מספר התווים ולא לפי הגודל ב-Bytes.

נכון....לא אמרתי אחרת.

ראה מה שכתבתי לנדב.

אבל בכל מקרה, אני רק רוצה לדעת את השאלה העיקרית ששאלתי אותה, שהיא מטרת האשכול...