Python MYSQL中未正确识别不同的术语

我创建了一个数据库，其中存储了一个简单的反向索引，该索引是由孟加拉文文本文档创建的

表名称：简单索引，主键{Term，Document\u id}

表格定义：

CREATE TABLE IF NOT EXISTS basicindex.simple_index (
    term varchar(255) NOT NULL, 
    doc_id INT NOT NULL,
    frequency INT NOT NULL,
    PRIMARY KEY (term,doc_id) 
)

select doc_id from basicindex.simple_index where term='খুঁজে';

select doc_id from basicindex.simple_index where term = 'খুজে';

奇怪的是，我发现以下两个不同的词：

খুঁজে - 存在于文件3、16、34中

খুজে - 见文件1

当我执行以下查询时：

查询1：

CREATE TABLE IF NOT EXISTS basicindex.simple_index (
    term varchar(255) NOT NULL, 
    doc_id INT NOT NULL,
    frequency INT NOT NULL,
    PRIMARY KEY (term,doc_id) 
)

select doc_id from basicindex.simple_index where term='খুঁজে';

select doc_id from basicindex.simple_index where term = 'খুজে';

查询2：

CREATE TABLE IF NOT EXISTS basicindex.simple_index (
    term varchar(255) NOT NULL, 
    doc_id INT NOT NULL,
    frequency INT NOT NULL,
    PRIMARY KEY (term,doc_id) 
)

select doc_id from basicindex.simple_index where term='খুঁজে';

select doc_id from basicindex.simple_index where term = 'খুজে';

两者都返回4行，声称খুঁজে 及খুজে 在所有四份文件中都有

从日志中我发现[Distinct Term，document id，frequency]খুঁজে 仅为文档id 1插入了：

为插入索引খুজে ->{DocID:1，频率：1}

（'খুজে', 1,1)

及খুঁজে 已插入到文档ID 3、16和34中

为插入索引খুঁজে ->{DocID:3，频率：1}

（'খুঁজে', （三、一）

为插入索引খুঁজে ->{DocID:16，频率：2}

（'খুঁজে', 16、2）

为插入索引খুঁজে ->{DocID:34，频率：1}

（'খুঁজে', 34,1）

以下是术语的unicode值：

খুঁজে [('খ', 2454), ('ু',2497), ('ঁ',2433), ('জ',2460), ('ে',2503）]

খুজে [('খ',2454), ('ু',2497), ('জ',2460), ('ে',2503）]

我正在使用MYSQL 8.0.13版。我请求有人帮助我理解为什么MYSQL数据库表现出这样的行为。为什么它不能区分খুঁজে' 而且খুজে'? 我能做些什么来纠正这个问题

我已附上文件1、3、16和34以及输入和输出日志文件，供您参考

两者都返回4行，声称খুঁজে 及খুজে 在所有四份文件中都有

检查已使用的排序规则。明确指定所需的排序

例如：

学期 文件编号 频率 খুঁজে 1. 0 খুজে 2. 0

---

@谢谢你的回复。表排序详细信息为：basicindex.simple_索引“utf8mb4_0900_ai_ci”。我在执行上述两个查询之前进行了尝试。你能给我建议一下这个问题的解决办法吗？非常感谢您的帮助。'utf8mb4_0900_ai_ci'不区分重音和大小写。为您的案例选择正确的排序规则，并按“按答案”中所示进行指定。SET NAMES只设置与一组排序规则匹配的字符集。非常感谢。该问题似乎是由于在utf8mb4_0900_ai_ci中包含不区分重音（ai）而出现的。我把它改成了对重音敏感的，效果很好<代码>从简单索引中选择文档id，其中term='1খুঁজে'将utf8mb4_0900_作为_ci进行校对