MySQL中JSON文本LIKE查询技巧

本教程深入探讨了在MySQL数据库中使用LIKE语句查询包含Unicode转义序列（如`\uXXXX`）的JSON编码文本时遇到的匹配难题。核心解决方案在于，对查询字符串中的反斜杠进行双重转义，即使用`\\uXXXX`格式，以确保MySQL能够将这些序列识别为字面量，从而成功执行模糊匹配。

在现代应用开发中，将JSON格式的数据存储到关系型数据库中已成为常见做法。然而，当这些JSON文本包含Unicode转义序列（例如，\u57fa\u672c用于表示中文字符）时，使用MySQL的LIKE语句进行模糊查询可能会遇到意想不到的挑战。本教程旨在解释这一现象，并提供一个有效的解决方案。

理解JSON编码与MySQL的挑战

JSON标准允许使用\uXXXX的形式来表示Unicode字符，其中XXXX是该字符的四位十六进制Unicode码点。例如，{"en":"\u57fa\u672c\u7684\u306a\u8104\u5a01\u4fdd\u8b77"}中的\u57fa和\u672c分别代表特定的中文字符。

当我们将此类JSON字符串存储在MySQL的文本字段中时，数据库会将其视为普通的字符串。问题出现在我们尝试使用LIKE操作符进行查询时。MySQL在处理字符串字面量时，反斜杠（\）是一个特殊的转义字符。例如，\n表示换行符，\t表示制表符。因此，当MySQL解析LIKE '%\u57fa\u672c%'这样的查询时，它会将\u解释为试图转义u字符，而不是将其识别为一个Unicode转义序列的开始。这导致查询无法匹配到数据库中实际存储的\u57fa\u672c字面量。

例如，如果只查询单个Unicode转义序列，如LIKE '%\u57fa%'，有时可能会意外地工作，这可能是因为MySQL在特定上下文或字符集配置下对单个转义序列的处理方式有所不同，或者它将其视为字面量u加上后续字符的组合。然而，当多个这样的序列组合在一起时，这种模糊性会导致匹配失败。

解决方案：双重转义反斜杠

解决此问题的关键在于明确告诉MySQL，我们希望将\字符本身作为字面量进行匹配，而不是作为转义字符。在MySQL的字符串字面量中，要表示一个字面量的反斜杠，需要使用双重反斜杠，即\\。

因此，如果我们的目标是匹配字符串中的\u57fa\u672c字面量，查询字符串中就必须将\u写成\\u。这样，MySQL会首先将\\解析为单个字面量的反斜杠，然后与后面的u结合，形成\u，从而正确地匹配数据库中存储的Unicode转义序列。

实战示例

假设我们有一个名为Question的表，其中title字段存储了包含JSON编码文本的数据，例如：

{"en":"\u57fa\u672c\u7684\u306a\u8104\u5a01\u4fdd\u8b77"}

我们希望查询title字段中包含\u57fa\u672c的记录。

错误的查询尝试：

以下查询将无法返回预期的结果，因为它未能正确处理反斜杠的转义：

SELECT p.* 
FROM Question p 
WHERE p.deletedAt IS NULL 
  AND p.title LIKE '%\u57fa\u672c%' 
  AND p.questionType = 3;

正确的查询方法：

通过对查询字符串中的反斜杠进行双重转义，我们可以确保MySQL能够正确识别并匹配Unicode转义序列：

SELECT p.* 
FROM Question p 
WHERE p.deletedAt IS NULL 
  AND p.title LIKE '%\\u57fa\\u672c%' 
  AND p.questionType = 3;

在这个正确的查询中，\\u57fa\\u672c会被MySQL解析为字面量\u57fa\u672c，从而能够成功地与数据库中存储的JSON编码文本进行匹配。

注意事项与最佳实践

1. 理解MySQL字符串转义规则： 掌握MySQL处理字符串字面量和转义字符的规则是避免此类问题的关键。这不仅适用于Unicode转义序列，也适用于其他特殊字符如单引号、双引号等。
2. 字符集配置： 确保数据库、表和连接的字符集配置一致且支持存储和查询所需的字符（例如UTF-8），这对于处理多语言文本至关重要。虽然本文的解决方案主要针对反斜杠转义，但正确的字符集配置是基础。
3. 使用JSON函数（如果适用）： 对于MySQL 5.7及更高版本，引入了原生的JSON数据类型和一系列JSON函数。如果你的JSON数据是存储在JSON类型的字段中，或者你希望更精确地操作JSON内部的值，可以考虑使用JSON_EXTRACT()、JSON_UNQUOTE()等函数。 例如，如果目标是匹配JSON中某个键的值，并且该值是Unicode转义的，可以先提取并取消转义：

   SELECT p.*
   FROM Question p
   WHERE p.deletedAt IS NULL
     AND JSON_UNQUOTE(JSON_EXTRACT(p.title, '$.en')) LIKE '%基本%'
     AND p.questionType = 3;

   这种方法将JSON中的\u57fa\u672c转换为其对应的实际字符（例如“基本”），然后进行匹配，通常更健壮且易于理解。然而，如果JSON文本存储在TEXT或VARCHAR字段中，并且需要直接对原始JSON字符串进行模糊匹配，那么双重转义反斜杠的LIKE方法仍然是有效的。

4. 性能考量： 对大型文本字段使用LIKE '%...%'查询通常会导致全表扫描，影响性能。如果查询频率高或数据量大，应考虑为相关字段建立全文索引（如果业务逻辑允许）或优化JSON存储和查询策略。

通过理解MySQL的字符串转义机制并正确地对反斜杠进行双重转义，开发者可以有效地解决在JSON编码文本中查询Unicode转义序列的难题。在条件允许的情况下，利用MySQL提供的JSON函数可以进一步提升数据处理的灵活性和准确性。