MySQL字符集和校對規則（Collation）

閱讀目錄：MySQL的字符集和校對規則

• MySQL的字符集
  • MySQL與字符集
  • 正確使用字符集
  • MySQL客戶端與字符集
  • 字符集編碼轉換原理
  • 字符集常見處理操作
  • 字符集的正確實踐
• MySQL的校對規則

一、字符集(Character set)

　　是多個字元(英文字元，漢字字元，或者其他國家語言字元)的集合，字符集種類較多，每個字符集包含的字元個數不同。

特點：

　　①字元編碼方式是用一個或多個位元組表示字符集中的一個字元

　　②每種字符集都有自己特有的編碼方式，因此同一個字元，在不同字符集的編碼方式下，會產生不同的二進位制

常見字符集：

　　ASCII字符集：基於羅馬字母表的一套字符集，它採用1個位元組的低7位表示字元，高位始終為0。

　　LATIN1字符集：相對於ASCII字符集做了擴充套件，仍然使用一個位元組表示字元，但啟用了高位，擴充套件了字符集的表示範圍。

　　GBK字符集：支援中文，字元有一位元組編碼和兩位元組編碼方式。

　　UTF8字符集：Unicode字符集的一種，是電腦科學領域裡的一項業界標準，支援了所有國家的文字字元，utf8採用1-4個位元組表示字元。

1、MySQL與字符集

　　只要涉及到文字的地方，就會存在字符集和編碼方式。MySQL系統變數值：

 

2、正確使用字符集

　　資料庫服務端的字符集具體要看儲存什麼字元

以上這些引數如何起作用：

1.庫、表、列字符集的由來

　　①建庫時，若未明確指定字符集，則採用character_set_server指定的字符集。

　　②建表時，若未明確指定字符集，則採用當前庫所採用的字符集。

　　③新增時，修改表欄位時，若未明確指定字符集，則採用當前表所採用的字符集。

2.更新、查詢涉及到得字符集變數

　　更新流程字符集轉換過程：character_set_client-->character_set_connection-->表字符集。

　　查詢流程字符集轉換過程：表字符集-->character_set_result

3.character_set_database

　　當前預設資料庫的字符集，比如執行use xxx後，當前資料庫變為xxx，若xxx的字符集為utf8，那麼此變數值就變為utf8(供系統設定，無需人工設定)。

3、MySQL客戶端與字符集

1.對於輸入來說：

　　客戶端使用的字符集必須通過character_set_client、character_set_connection體現出來：

　　　　①在客戶端對資料進行編碼（Linux：utf8、windows：gbk）

　　　　②MySQL接到SQL語句後(比如insert)，發現有字元，詢問客戶端通過什麼方式對字元編碼：客戶端通過character_set_client引數告知MySQL客戶端的編碼方式(所以此引數需要正確反映客戶端對應的編碼)

　　　　③當MySQL發現客戶端的client所傳輸的字符集與自己的connection不一樣時，會將client的字符集轉換為connection的字符集

　　　　④MySQL將轉換後的編碼儲存到MySQL表的列上，在儲存的時候再判斷編碼是否與內部儲存字符集（按照優先順序判斷字符集型別）上的編碼一致，如果不一致需要再次轉換

2.對於查詢來說：

　　客戶端使用的字符集必須通過character_set_results來體現，伺服器詢問客戶端字符集，通過character_set_results將結果轉換為與客戶端相同的字符集傳遞給客戶端。(character_set_results預設等於character_set_client)

4、MySQL字元編碼轉換原理：

　　問：若character_set_client為UTF8，而character_set_database為GBK，則會出現需要進行編碼轉換的情況，字符集轉換的原理是什麼？

　　答：假設gbk字符集的字串“你好”，需要轉為utf8字符集儲存，實際就是對於“你好”字串中的每個漢字去utf8編碼表裡面查詢對應的二進位制，然後儲存。

 

圖解字符集轉換過程：

　　①MySQL Server收到請求時將請求資料從character_set_client轉換為character_set_connection;

　　②進行內部操作前將請求資料從character_set_connection轉換為內部操作字符集

確定步驟：

--使用每個資料欄位的CHARACTER SET設定值；

--若上述值不存在，則使用對應資料表的DEFAULT CHARACTER SET設定值；

--若上述值不存在，則使用對應資料庫的DEFAULT CHARACTER SET設定值；

--若上述值不存在，則使用character_set_server設定值；

　　③將操作結果從內部操作字符集轉換為character_set_results。

5、字符集常見處理操作

1.檢視字符集編碼設定

　　mysql> show variables like '%character%';

2.設定字符集編碼

　　mysql> set names 'utf8';

相當於同時：

　　set character_set_client = utf8;

　　set character_set_results = utf8;

　　set character_set_connection = utf8;

3.修改資料庫字符集

　　mysql> alter database database_name character set xxx;

只修改庫的字符集，影響後續建立的表的預設定義；對於已建立的表的字符集不受影響。（一般在資料庫實現字符集即可，表和列都預設採用資料庫的字符集）

4.修改表的字符集

　　mysql> alter table table_name character set xxx；

只修改表的字符集，影響後續該表新增列的預設定義，已有列的字符集不受影響。

　　mysql> alter table table_name convert to character set xxx;

同時修改表字符集和已有列字符集，並將已有資料進行字符集編碼轉換。

5.修改列字符集

格式：

ALTER TABLE table_name MODIFY

column_name {CHAR | VARCHAR | TEXT} (column_length)

    [CHARACTER SET charset_name]

    [COLLATE collation_name]

mysql> alter table table_name modify col_name varchar(col_length) character set xxx;

6、字符集的正確實踐：

MySQL軟體工具本身是沒有字符集的，主要是因為工具所在的OS的字符集（Windows：gbk、Linux：utf8），所以字符集的正確實踐非常重要：

　　1.對於insert來說，character_set_client、character_set_connection相同，而且正確反映客戶端使用的字符集

　　2.對於select來說，character_set_results正確反映客戶端字符集

　　3.資料庫字符集取決於我們要儲存的字元型別

　　4.字符集轉換最多發生一次，這就要求character_set_client、character_set_connection相同

　　5.所有的字符集轉換都發生在資料庫端

綜述：

　　1、建立資料庫的時候注意字符集（gbk、utf8）；

　　2、連線資料庫以後，無論是執行dml還是select，只要涉及到varchar、char列，就需要設定正確的字符集引數。

 

二、校對規則collation校對

　　字符集是一套符號和對應的編號

檢視資料庫支援的所有字符集(charset)：

mysql> show character set;

校對規則(collation)：

　　是在字符集內用於字元比較和排序的一套規則，比如有的規則區分大小寫，有的則無視。

mysql> create table t1(id int,name varchar(20));    #t1建表沒有指定校對規則

 mysql> show collation;  #檢視資料庫支援的所有校對規則

mysql> show variables like 'collation_%';  #檢視當前字符集和校對規則設定

校對規則特徵：

　　①兩個不同的字符集不能有相同的校對規則；

　　②每個字符集有一個預設校對規則；

　　③存在校對規則命名約定：以其相關的字符集名開始，中間包括一個語言名，並且以_ci（大小寫不敏感）、_cs（大小寫敏感）或_bin（二元）結束。

注意：

　　系統使用utf8字符集，若使用utf8_bin校對規則執行SQL查詢時區分大小寫，使用utf8_general_ci不區分大小寫(預設的utf8字符集對應的校對規則是utf8_general_ci)。

示例：

mysql> create table t2(id int,name varchar(20)) character set=gbk collate=gbk_bin;    #t2建表指定校對規則（區分大小寫）