MySQL字符集概述

最新推荐文章于 2024-06-17 13:03:11 发布

IamDingj

最新推荐文章于 2024-06-17 13:03:11 发布

阅读量423

点赞数

分类专栏： mysql

mysql 专栏收录该内容

10 篇文章 1 订阅

订阅专栏

一、字符集和校验规则
字符集 是一组符号和编码，校验规则（collation）是在字符集内用于比较字符的一套规则，即字符集的排序规则。MySQL可以使用各种字符集和检验规则来组织字符。

MySQL服务器可以支持多种字符集，在同一台服务器，同一个数据库，甚至同一个表的不同字段都可以指定使用不同的字符集，相比oracle等其他数据库管理系统，在同一个数据库只能使用相同的字符集，MySQL明显存在更大的灵活性。

MySQL能够为我们做以下事情：

利用各种字符集存储字符串。
通过比较各种排序规则的字符串。
混合使用不同的字符集和归类在同一服务器，同一数据库，甚至在同一个表的字符串。
在任何级别启用字符集和归类的规范。

为了有效地使用这些功能，我们应该知道什么字符集和归类可用，如何更改默认设置，以及它们如何影响字符串操作符和函数的行为。

二、MySQL中的字符集和校对
1、查看mysql服务器支持的字符集

mysql> show character set;
mysql> select * from information_schema.character_sets;

2、查看字符集的校对规则

mysql> show collation;
mysql> show collation like 'utf8';
mysql> select * from information_schema.collations where collation_name like 'utf8%';

3、查看当前数据库的字符集

mysql> show variables like 'character%';

4、查看当前数据库的校对规则

mysql> show variables like 'collation%';

chara
名词解释1：

character_set_client：客户端请求数据的字符集
character_set_connection：客户机/服务器连接的字符集
character_set_database：默认数据库的字符集，无论默认数据库如何改变，都是这个字符集；如果没有默认数据库，
                       那就使用 character_set_server指定的字符集，这个变量建议由系统自己管理，不要人为定义。
character_set_filesystem：把os上文件名转化成此字符集，即把 character_set_client转换character_set_filesystem， 默认binary是不做任何转换的
character_set_results：结果集，返回给客户端的字符集
character_set_server：数据库服务器的默认字符集
character_set_system：系统字符集，这个值总是utf8，不需要设置。这个字符集用于数据库对象（如表和列）的名字，也用于存储在目录表中的函数的名字。

名词解释2：

collation_connection：当前连接的字符集。
collation_database：当前日期的默认校对。每次用USE语句来“跳转”到另一个数据库的时候，这个变量的值就会改变。如果没有当前数据库，这个变量的值就是collation_server变量的值。
collation_server：服务器的默认校对。

排序方式的命名规则为：字符集名字语言后缀，其中各个典型后缀的含义如下：

_ci：不区分大小写的排序方式
_cs：区分大小写的排序方式
_bin：二进制排序方式，大小比较将根据字符编码

参考：归类命名约定

三、MySQL字符集和校对规则的设置
1、概述
MySQL字符集设置分为两类：

创建对象的默认值。
控制server和client端交互通信的配置。

1.1、控制server和client端交互通信的配置。
字符集和校对规则有4个级别的默认设置：

服务器级别；
数据库级别；
表级别、列级别；
连接级别。

较低级别的设置会集成较高级别的设置。

一个通用的规则：先为服务器或者数据库选择一个合理的字符集，然后根据不同的实际情况，让某个列选择自己的字符集。

1.2、控制server和client端交互通信的配置
大部分MySQL客户端都不具备同时支持多种字符集的能力，每次都只能使用一种字符集。

客户和服务器之间的字符集转换工作是由如下几个MySQL系统变量控制：

character_set_server：mysql server默认字符集。
character_set_database：数据库默认字符集。
character_set_client：MySQL server假定客户端发送的查询使用的字符集。
character_set_connection：MySQL Server接收客户端发布的查询请求后，将其转换为character_set_connection变量指定的字符集。
character_set_results：mysql server把结果集和错误信息转换为character_set_results指定的字符集，并发送给客户端。
character_set_system：系统元数据(字段名等)字符集

还有以collation_开头的同上面对应的变量，用来描述字符序。

注意事项：
- my.cnf中的default_character_set设置只影响mysql命令连接服务器时的连接字符集，不会对使用libmysqlclient库的应用程序产生任何作用！
- 对字段进行的SQL函数操作通常都是以内部操作字符集进行的，不受连接字符集设置的影响。
- SQL语句中的裸字符串会受到连接字符集或introducer设置的影响，对于比较之类的操作可能产生完全不同的结果，需要小心！

1.3、默认情况下字符集选择规则
(1).编译MySQL 时，指定了一个默认的字符集，这个字符集是 latin1;
(2).安装MySQL 时，可以在配置文件 (my.cnf) 中指定一个默认的的字符集，如果没指定，这个值继承自编译时指定的;
(3).启动mysqld 时，可以在命令行参数中指定一个默认的的字符集，如果没指定，这个值继承自配置文件中的配置,此时character_set_server被设定为这个默认的字符集;
(4).当创建一个新的数据库时，除非明确指定，这个数据库的字符集被缺省设定为character_set_server;
(5).当选定了一个数据库时，character_set_database被设定为这个数据库默认的字符集;
(6).在这个数据库里创建一张表时，表默认的字符集被设定为character_set_database，也就是这个数据库默认的字符集;
(7).当在表内设置一栏时，除非明确指定，否则此栏缺省的字符集就是表默认的字符集;

2、字符集设置
2.1、为列分配字符集
属于同一个表的不同列可以有不同的字符集，如果没有为一个列显示的定义字符集就使用默认字符集。创建一个表的时候，若显示的为列指定字符集，则字符集作为数据类型选项包含在其中，要放在数据类型后面及空指定和主键前面。
例如：

create table column_charset (
  c1 char(10) character set utf8 not null,
  c2 char(10) char set utf8,
  c3 varchar (10) charset utf8,
  c4 varchar (10)
) engine = innodb ;

注：character set可以简写为char set和charset
查看：

mysql> show create table column_charset\G;

2.2、为表分配字符集

create table table_charset(
    c1 varchar(10),
    c2 varchar(10)
)engine=innodb default charset=utf8;

2.3、为数据库指定字符集
创建的每个数据库都有一个默认字符集，如果没有指定，就用latin1。

create database hellodb charset=utf8;

2.4、为列分配校对规则
每个列都应该有一个校对，如果没有显示指定，MySQL就使用属于该字符集的默认校对。如果指定了一个字符集和一个校对，字符集应该放在前面。

create table column_collate(
    c1 varchar(10) charset utf8 collate utf8_romanian_ci not null,
    c2 varchar(10) charset utf8 collate utf8_spanish_ci
)engine=innodb;

查看表的校验规则信息：

mysql> select table_name,column_name,collation_name
       from information_schema.columns
       where table_name='column_collate';

注：字符集和校对在处理字符表达式的过程中扮演着重要角色。我们不能比较两个属于不同校对的不同字符值。

2.4、为表指定校对规则

create table table_collate(
    c1 varchar(10),
    c2 varchar(10)
)engine=innodb default charset utf8 collate utf8_romanian_ci;

检查表的校对规则：

mysql> select table_name,column_name,collation_name 
       from information_schema.columns where table_name='table_collate';

2.6、为数据库指定校对规则

create database hellodb default charset utf8 collate utf8_romanian_ci;

查看数据库定义语句：

mysql> show create database hellodb\G;

三、MySQL数据库中字符集转换流程
1、MySQL Server收到请求时将请求数据从character_set_client转换为character_set_connection；
2、进行内部操作前将请求数据从character_set_connection转换为内部操作字符集，其确定方法如下：

使用每个数据字段的CHARACTER SET设定值；
若上述值不存在，则使用对应数据表的DEFAULT CHARACTER SET设定值(MySQL扩展，非SQL标准)；
若上述值不存在，则使用对应数据库的DEFAULT CHARACTER SET设定值；
若上述值不存在，则使用character_set_server设定值。

3、将操作结果从内部操作字符集转换为character_set_results。
下图源自于《高性能MySQL》中关于字符集转换的图解：

四、MySQL数据库乱码原因解析及案例
1、产生乱码的根本原因

客户端没有正确地设置client字符集，导致原先的SQL语句被转换成connection所指字符集，而这种转换，是会丢失信息的，如果client是utf8格式，那么如果转换成gb2312格式，这其中必定会丢失信息，反之则不会丢失。一定要保证connection的字符集大于client字符集才能保证转换不丢失信息。
数据库字体没有设置正确，如果数据库字体设置不正确，那么connection字符集转换成database字符集照样丢失编码，原因跟上面一样。

2、乱码或数据丢失
character_set_client：我们要告诉服务器，我给你发送的数据是什么编码？
character_set_connection：告诉字符集转换器，转换成什么编码？
character_set_results：查询的结果用什么编码？

3、乱码终极解决方案

首先要明确你的客户端时候何种编码格式，这是最重要的（IE6一般用utf8，命令行一般是gbk，一般程序是gb2312)
确保你的数据库使用utf8格式，很简单，所有编码通吃。
一定要保证connection字符集大于等于client字符集，不然就会信息丢失，比如： latin1 < gb2312 < gbk < utf8，若设置set character_set_client = gb2312，那么至少connection的字符集要大于等于gb2312，否则就会丢失信息。

以上三步做正确的话，那么所有中文都被正确地转换成utf8格式存储进了数据库，为了适应不同的浏览器，不同的客户端，你可以修改character_set_results来以不同的编码显示中文字体，由于utf8是大方向，因此web应用是我还是倾向于使用utf8格式显示中文的。

参考：
字符集，归类，统一
 MySQL字符集详解