MySQL的字符集

MySQL的字符集支持(Character Set Support)有两个方面：字符集(Character set)和排序方式(Collation)。

字符(Character)是指人类语言中最小的表义符号。给定一系列字符，对每个字符赋予一个数值，用数值来代表对应的字符，这一数值就是字符的编码(Encoding)。例如，我们给字符'A'赋予数值0，给字符'B'赋予数值1，则0就是字符'A'的编码；给定一系列字符并赋予对应的编码后，所有这些字符和编码对组成的集合就是字符集(Character Set)。例如，给定字符列表为{'A','B'}时，{'A'=>0, 'B'=>1}就是一个字符集；

字符序(Collation)是指在同一字符集内字符之间的比较规则；确定字符序后，才能在一个字符集上定义什么是等价的字符，以及字符之间的大小关系；每个字符序唯一对应一种字符集，但一个字符集可以对应多种字符序，其中有一个是默认字符序(Default Collation)；

MySQL中的字符序名称遵从命名惯例：以字符序对应的字符集名称开头；以_ci(表示大小写不敏感)、_cs(表示大小写敏感)或_bin(表示按编码值比较)结尾。例如：在字符序``utf8_general_ci''下，字符``a''和``A''是等价的；

MySQL对于字符集的支持细化到四个层次:服务器(server)，数据库(database)，数据表(table)和连接(connection)。

一、MySQL默认字符集

MySQL对于字符集的指定可以细化到一个数据库，一张表，一列，应该用什么字符集。

但是，传统的程序在创建数据库和数据表时并没有使用那么复杂的配置，它们用的是默认的配置，那么，默认的配置从何而来呢？

(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.ini) 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；

简单的总结一下，如果什么地方都不修改，那么所有的数据库的所有表的所有栏位的都用latin1存储，不过我们如果安装 MySQL，一般都会选择多语言支持，也就是说，安装程序会自动在配置文件中把default_character_set 设置为 UTF-8，这保证了缺省情况下，所有的数据库的所有表的所有栏位的都用 UTF-8 存储。

二、查看字符集

1、查看MySQL数据库服务器字符集(服务器级)

mysql> show variables like '%char%';

+--------------------------+------------------------------------------+

| Variable_name | Value |

+--------------------------+------------------------------------------+

| character_set_client | latin1 |-- 客户端字符集

| character_set_connection | latin1 |

| character_set_database | latin1 |-- 数据库字符集

| character_set_filesystem | binary |

| character_set_results | latin1 |

| character_set_server | latin1 |-- 服务器字符集

| character_set_system | utf8 |

| character_sets_dir | D:MySQLMySQL Server 5.1sharecharsets |

+--------------------------+------------------------------------------+

系统变量：

– character_set_server：默认的内部操作字符集

– character_set_client：客户端来源数据使用的字符集

– character_set_connection：连接层字符集

– character_set_results：查询结果字符集

– character_set_database：当前选中数据库的默认字符集

– 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。

设置保存在my.ini文件里。

2、查看数据库的字符集(数据库级)

select * from information_schema.schemata where schema_name = '库名';

例：

mysql> select * from information_schema.schemata where schema_name='testdb' G;

*************************** 1. row ***************************

CATALOG_NAME: NULL

SCHEMA_NAME: testdb

DEFAULT_CHARACTER_SET_NAME: gbk

DEFAULT_COLLATION_NAME: gbk_chinese_ci

SQL_PATH: NULL

1）若没有显式设置，则自动使用服务器级的配置

2.）显式设置：在创建库时指定

create database 库名 DEFAULT CHARACTER SET gbk COLLATE gbk_chinese_ci;

3、查看MySQL数据表（table）的字符集(表级)

语法：show create table 表名

mysql> show create table tb G;

*************************** 1. row ***************************

Table: tb

Create Table: CREATE TABLE `tb` (

`id` int(10) unsigned NOT NULL AUTO_INCREMENT,

`Name` char(20) NOT NULL,

`Age` tinyint(4) NOT NULL,

PRIMARY KEY (`id`)

) ENGINE=InnoDB AUTO_INCREMENT=2 DEFAULT CHARSET=gbk

1 row in set (0.00 sec)

查看Collation

语法：show table status from 数据库名 like ‘数据表名’;

mysql> show table status from testdb like '%tb%' G;

*************************** 1. row ***************************

Name: tb

Engine: InnoDB

Version: 10

Row_format: Compact

Rows: 1

Avg_row_length: 16384

Data_length: 16384

Max_data_length: 0

Index_length: 0

Data_free: 621805568

Auto_increment: 2

Create_time: 2013-08-14 22:27:06

Update_time: NULL

Check_time: NULL

Collation: gbk_chinese_ci

Checksum: NULL

Create_options:

Comment:

*************************** 2. row ***************************

Name: tb11

Engine: InnoDB

Version: 10

Row_format: Compact

Rows: 2

Avg_row_length: 8192

Data_length: 16384

Max_data_length: 0

Index_length: 0

Data_free: 621805568

Auto_increment: NULL

Create_time: 2013-08-14 22:44:09

Update_time: NULL

Check_time: NULL

Collation: gbk_chinese_ci

Checksum: NULL

Create_options:

Comment:

2 rows in set (0.00 sec)

Collation：用于指定数据集如何排序，以及字符串的比对规则。

每个 character set 会对应一定数量的 collation. 查看方法是在 mysql 的 console 下输入：

mysql>show collation;

mysql collation的命名规则：
它们以其相关的字符集名开始，通常包括一个语言名，并且以_ci（大小写不敏感）、_cs（大小写敏感）或_bin（二元）结束。

比如latin1字符集有以下几种校正规则：

        校对规则                           含义
    latin1_german1_ci             德国DIN-1
    latin1_swedish_ci              瑞典/芬兰
    latin1_danish_ci                 丹麦/挪威
    latin1_german2_ci              德国 DIN-2
    latin1_bin                            符合latin1编码的二进制
    latin1_general_ci                 多种语言(西欧)
    latin1_general_cs                 多种语言(西欧ISO),大小写敏感
    latin1_spanish_ci                 现代西班牙

同一个 character set 的不同 collation 的区别在于排序、字符串对比的准确度（相同两个字符在不同国家的语言中的排序规则可能是不同的）以及性能。

例如：utf8_general_ci 在排序的准确度上要逊于 utf8_unicode_ci，当然，对于英语用户应该没有什么区别。但性能上（排序以及比对速度）要略优于 utf8_unicode_ci.

        MySQL按照下面的方式选择表字符集和校对规则：
        如果指定了CHARACTER SET X和COLLATE Y，那么采用字符集X和校对规则Y。
        如果指定了CHARACTER SET X而没有指定COLLATE Y，那么采用CHARACTER SET X和CHARACTER SET X的默认校对规则。

· 否则，采用服务器字符集和服务器校对规则。

转换语法
alter table 表名 convert to character set 字符集名 collate 值;

例：

mysql> show create table tmptable G;

*************************** 1. row ***************************

Table: tmptable

Create Table: CREATE TABLE `tmptable` (

`id` int(10) unsigned NOT NULL DEFAULT '0',

`Name` char(20) NOT NULL,

`Age` tinyint(4) NOT NULL

) ENGINE=InnoDB DEFAULT CHARSET=gbk

mysql> alter table tmptable convert to character set utf8 collate utf8_bin;

mysql> show create table tmptable G;

*************************** 1. row ***************************

Table: tmptable

Create Table: CREATE TABLE `tmptable` (

`id` int(10) unsigned NOT NULL DEFAULT '0',

`Name` char(20) COLLATE utf8_bin NOT NULL,

`Age` tinyint(4) NOT NULL

) ENGINE=InnoDB DEFAULT CHARSET=utf8 COLLATE=utf8_bin

1 row in set (0.00 sec)

若没有显式设置，则自动使用数据库级的配置

显式设置在建表时指定：
    create table 表名 (
            字段
    ) engine=引荐 default charset=utf8 collate=utf8_bin;

建议使用_bin，这样可以区分大小写

在建表的时候指定了character set，所以它永远是采用对应的默认的校对规则，建议collation都尽量采用字符集相应的bin类型的校对规则。

4、查看MySQL数据列（column）的字符集

mysql> show create table tmptableG;

*************************** 1. row ***************************

Table: tmptable

Create Table: CREATE TABLE `tmptable` (

`id` int(10) unsigned NOT NULL DEFAULT '0',

`Name` char(20) COLLATE utf8_bin NOT NULL,

`Age` tinyint(4) NOT NULL

) ENGINE=InnoDB DEFAULT CHARSET=utf8 COLLATE=utf8_bin

1 row in set (0.00 sec)

若没有显式设置，则自动使用表级的配置。

显式设置在建表时指定：

CREATE TABLE Table1(column1 VARCHAR(5) CHARACTER SET latin1 COLLATE latin1_german1_ci);

mysql> show full columns from tb;

+-------+------------------+----------------+------+-----+---------+----------------+---------------------------------+---------+

+-------+------------------+----------------+------+-----+---------+----------------+---------------------------------+---------+

+-------+------------------+----------------+------+-----+---------+----------------+---------------------------------+---------+

3 rows in set (0.00 sec)

关于collation的影响：

mysql> select * from tb;

+----+------------+-----+

| id | Name | Age |

+----+------------+-----+

| 1 | changename | 20 |

+----+------------+-----+

1 row in set (0.00 sec)

mysql> select * from tb where binary name='changename';

+----+------------+-----+

| id | Name | Age |

+----+------------+-----+

| 1 | changename | 20 |

+----+------------+-----+

1 row in set (0.69 sec)

mysql> select * from tb where name= binary 'changename';

+----+------------+-----+

| id | Name | Age |

+----+------------+-----+

| 1 | changename | 20 |

+----+------------+-----+

1 row in set (0.00 sec)

查看字符的编码：

mysql> select hex('测试');

+-------------+

| hex('测试') |

+-------------+

| B2E2CAD4 |

+-------------+

1 row in set (0.06 sec)

5、连接级别

show variables like 'character_set_client'; #客户端statements 中的编码

show variables like 'character_set_connection' ; #数据库连接中的编码

show variables like 'character_set_results'; # 服务端返回结果集和错误信息中的编码

三、设置及修改字符集

1、创建数据库指定数据库的字符集

mysql> create database mydb character set gbk;

mysql> use mydb

mysql> show variables like 'character_set_database';

+------------------------+--------+

| Variable_name | Value |

+------------------------+--------+

| character_set_database | gbk |

+------------------------+--------+

2、修改数据库的字符集

（1）、通过SQL修改

mysql> alter database mydb character set utf8;

mysql> show variables like 'character_set_database';

+------------------------+-------+

| Variable_name | Value |

+------------------------+-------+

| character_set_database | utf8 |

+------------------------+-------+

（2）、通过配置文件修改

修改文件$MYSQL_HOMEdatamydbdb.opt的内容

default-character-set=utf8

default-collation=utf8_general_ci

为

default-character-set=latin1

default-collation=latin1_swedish_ci

重启MYSQL后生效

或者修改mysql的my.ini文件中的字符集键值

default-character-set = utf8

character_set_server = utf8

修改完后，重启mysql的服务

3、通过Mysql命令修改字符集

mysql> set character_set_client=utf8;

mysql> set character_set_connection=utf8;

mysql> set character_set_database=utf8;

mysql> set character_set_results=utf8;

mysql> set character_set_server=utf8;

mysql> set character_set_system=utf8;

mysql> set collation_connection=utf8;

mysql> set collation_database=utf8;

mysql> set collation_server=utf8;

四、MySQL中的字符集转换过程

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。

常见问题解析

• 向默认字符集为utf8的数据表插入utf8编码的数据前没有设置连接字符集，查询时设置连接字符集为utf8

– 插入时根据MySQL服务器的默认设置，character_set_client、character_set_connection和character_set_results均为latin1；

– 插入操作的数据将经过latin1=>latin1=>utf8的字符集转换过程，这一过程中每个插入的汉字都会从原始的3个字节变成6个字节保存；

– 查询时的结果将经过utf8=>utf8的字符集转换过程，将保存的6个字节原封不动返回，产生乱码……

• 向默认字符集为latin1的数据表插入utf8编码的数据前设置了连接字符集为utf8

– 插入时根据连接字符集设置，character_set_client、character_set_connection和character_set_results均为utf8；

– 插入数据将经过utf8=>utf8=>latin1的字符集转换，若原始数据中含有/u0000~/u00ff范围以外的Unicode字符，会因为无法在latin1字符集中表示而被转换为“?”(0x3F)符号，以后查询时不管连接字符集设置如何都无法恢复其内容了。

五、检测字符集问题的一些手段

• SHOW CHARACTER SET;

• SHOW COLLATION;

• SHOW VARIABLES LIKE 'character%';

• SHOW VARIABLES LIKE 'collation%';

• SQL函数HEX、LENGTH、CHAR_LENGTH

• SQL函数CHARSET、COLLATION

使用MySQL字符集时的建议

• 建立数据库/表和进行数据库操作时尽量显式指出使用的字符集，而不是依赖于MySQL的默认设置，否则MySQL升级时可能带来很大困扰；

• 数据库和连接字符集都使用latin1时虽然大部分情况下都可以解决乱码问题，但缺点是无法以字符为单位来进行SQL操作，一般情况下将数据库和连接字符集都置为utf8是较好的选择；

• 使用mysql C API时，初始化数据库句柄后马上用mysql_options设定MYSQL_SET_CHARSET_NAME属性为utf8，这样就不用显式地用SET NAMES语句指定连接字符集，且用mysql_ping重连断开的长连接时也会把连接字符集重置为utf8；

• 对于mysql PHP API，一般页面级的PHP程序总运行时间较短，在连接到数据库以后显式用SET NAMES语句设置一次连接字符集即可；但当使用长连接时，请注意保持连接通畅并在断开重连后用SET NAMES语句显式重置连接字符集。

其他注意事项

• 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！

部分内容来源于深入Myql字符集设置分析，官方文档：http://dev.mysql.com/doc/refman/5.1/zh/charset.html#charset-collate