[TOC] # MySQL字符集和校對規則詳解 先來簡單瞭解一下字元、字符集和字元編碼。 **字元（Character）**：是計算機中字母、數字、符號的統稱，一個字元可以是一箇中文漢字、一個英文字母、一個阿拉伯數字、一個標點符號等。 - 計算機是以二進位制的形式來儲存資料的。平時我們在顯示器上看到的數字、英文、標點符號、漢字等字元都是二進位制數轉換之後的結果。 **字符集（Character set）**：定義了字元和二進位制的對應關係，為字元分配了唯一的編號。常見的字符集有 ASCII、GBK、IOS-8859-1 等。 **字元編碼（Character encoding）**：也可以稱為字集碼，規定了如何將字元的編號儲存到計算機中。大部分字符集都只對應一種字元編碼。 - 例如：ASCII、IOS-8859-1、GB2312、GBK，都是既表示了字符集又表示了對應的字元編碼。所以一般情況下，可以將兩者視為同義詞。Unicode 字符集除外，Unicode 有三種編碼方案，即 UTF-8、UTF-16 和 UTF-32。最為常用的是 UTF-8 編碼。 **校對規則（Collation）**：也可以稱為排序規則，是指在同一個字符集內字元之間的比較規則。字符集和校對規則是一對多的關係，每個字符集都有一個預設的校對規則。字符集和校對規則相輔相成，相互依賴關聯。 簡單來說，字符集用來定義 MySQL 儲存字串的方式，校對規則用來定義 MySQL 比較字串的方式。 有些資料庫並沒有清晰的區分開字符集和校對規則。 - 例如，在 SQL Server 中建立資料庫時，選擇字符集就相當於選定了字符集和校對規則。 而在 MySQL 中，字符集和校對規則是區分開的，必須設定字符集和校對規則。一般情況下，沒有特殊需求，只設置其一即可。只設置字符集時，MySQL 會將校對規則設定為字符集中對應的預設校對規則。 可以通過`SHOW VARIABLES LIKE 'character%';`命令檢視當前 MySQL 使用的字符集，命令和執行結果如下： ``` mysql> SHOW VARIABLES LIKE 'character%'; +--------------------------+---------------------------------------------------------+ | Variable_name | Value | +--------------------------+---------------------------------------------------------+ | character_set_client | gbk | | character_set_connection | gbk | | character_set_database | latin1 | | character_set_filesystem | binary | | character_set_results | gbk | | character_set_server | latin1 | | character_set_system | utf8 | | character_sets_dir | C:\Program Files\MySQL\MySQL Server 5.7\share\charsets\ | +--------------------------+---------------------------------------------------------+ 8 rows in set, 1 warning (0.01 sec) ``` 上述執行結果說明如下表所示： - character_set_client ：MySQL 客戶端使用的字符集 - character_set_connection ：連線資料庫時使用的字符集 - character_set_database ： 建立資料庫使用的字符集 - character_set_filesystem ：MySQL 伺服器檔案系統使用的字符集，預設值為 binary，不做任何轉換 - character_set_results ： 資料庫給客戶端返回資料時使用的字符集 - character_set_server ： MySQL 伺服器使用的字符集，建議由系統自己管理，不要人為定義 - character_set_system ：資料庫系統使用的字符集，預設值為 utf8，不需要設定 character_sets_dir 字符集的安裝目錄 注意：亂碼時，不需要關心 character_set_filesystem、character_set_system 和 character_sets_dir 這 3 個系統變數，它們不會影響亂碼 。 可以通過`SHOW VARIABLES LIKE 'collation\_%';`命令檢視當前 MySQL 使用的校對規則，命令和執行結果如下： ``` mysql> SHOW VARIABLES LIKE 'collation\_%'; +----------------------+-------------------+ | Variable_name | Value | +----------------------+-------------------+ | collation_connection | gbk_chinese_ci | | collation_database | latin1_swedish_ci | | collation_server | latin1_swedish_ci | +----------------------+-------------------+ 3 rows in set, 1 warning (0.01 sec) ``` 對上述執行結果說明如下： - collation_connection：連線資料庫時使用的校對規則 - collation_database：建立資料庫時使用的校對規則 - collation_server：MySQL 伺服器使用的校對規則 校對規則命令約定如下： - 以校對規則所對應的字符集名開頭 - 以國家名居中（或以 general 居中） - 以 ci、cs 或 bin 結尾，ci 表示大小寫不敏感，cs 表示大小寫敏感，bin 表示按二進位制編碼值比較。 ## MySQL字符集的轉換過程 MySQL 中字符集的轉換過程如下： 1. 在命令提示符視窗（cmd 命令列）中執行 MySQL 命令或 sql 語句時，這些命令或語句從“命令提示符視窗字符集”轉換為“character_set_client”定義的字符集。 2. 使用命令提示符視窗成功連線 MySQL 伺服器後，就建立了一條“資料通訊鏈路”，MySQL 命令或 sql 語句沿著“資料鏈路”傳向 MySQL 伺服器，由 character_set_client 定義的字符集轉換為 character_set_connection 定義的字符集。 3. MySQL 服務例項收到資料通訊鏈路中的 MySQL 命令或 sql 語句後，將 MySQL 命令或 sql 語句從 character_set_connection 定義的字符集轉換為 character_set_server 定義的字符集。 4. 若 MySQL 命令或 sql 語句針對於某個資料庫進行操作，此時將 MySQL 命令或 sql 語句從 character_set_server 定義的字符集轉換為 character_set_database 定義的字符集。 5. MySQL 命令或 sql 語句執行結束後，將執行結果設定為 character_set_results 定義的字符集。 6. 執行結果沿著開啟的資料通訊鏈路原路返回，將執行結果從 character_set_results 定義的字符集轉換為 character_set_client 定義的字符集，最終轉換為命令提示符視窗字符集，顯示到命令提示符視窗中。  # MySQL檢視字符集和校對規則 在 MySQL 中，檢視可用字符集的命令和執行過程如下： ```mysql SHOW CHARACTER set ``` ```mysql mysql> SHOW CHARACTER set; +----------+---------------------------------+---------------------+--------+ | Charset | Description | Default collation | Maxlen | +----------+---------------------------------+---------------------+--------+ | big5 | Big5 Traditional Chinese | big5_chinese_ci | 2 | | dec8 | DEC West European | dec8_swedish_ci | 1 | | cp850 | DOS West European | cp850_general_ci | 1 | | hp8 | HP West European | hp8_english_ci | 1 | | koi8r | KOI8-R Relcom Russian | koi8r_general_ci | 1 | | latin1 | cp1252 West European | latin1_swedish_ci | 1 | | latin2 | ISO 8859-2 Central European | latin2_general_ci | 1 | | swe7 | 7bit Swedish | swe7_swedish_ci | 1 | | ascii | US ASCII | ascii_general_ci | 1 | | ujis | EUC-JP Japanese | ujis_japanese_ci | 3 | | sjis | Shift-JIS Japanese | sjis_japanese_ci | 2 | | hebrew | ISO 8859-8 Hebrew | hebrew_general_ci | 1 | | tis620 | TIS620 Thai | tis620_thai_ci | 1 | | euckr | EUC-KR Korean | euckr_korean_ci | 2 | | koi8u | KOI8-U Ukrainian | koi8u_general_ci | 1 | | gb2312 | GB2312 Simplified Chinese | gb2312_chinese_ci | 2 | | greek | ISO 8859-7 Greek | greek_general_ci | 1 | | cp1250 | Windows Central European | cp1250_general_ci | 1 | | gbk | GBK Simplified Chinese | gbk_chinese_ci | 2 | | latin5 | ISO 8859-9 Turkish | latin5_turkish_ci | 1 | | armscii8 | ARMSCII-8 Armenian | armscii8_general_ci | 1 | | utf8 | UTF-8 Unicode | utf8_general_ci | 3 | | ucs2 | UCS-2 Unicode | ucs2_general_ci | 2 | | cp866 | DOS Russian | cp866_general_ci | 1 | | keybcs2 | DOS Kamenicky Czech-Slovak | keybcs2_general_ci | 1 | | macce | Mac Central European | macce_general_ci | 1 | | macroman | Mac West European | macroman_general_ci | 1 | | cp852 | DOS Central European | cp852_general_ci | 1 | | latin7 | ISO 8859-13 Baltic | latin7_general_ci | 1 | | utf8mb4 | UTF-8 Unicode | utf8mb4_general_ci | 4 | | cp1251 | Windows Cyrillic | cp1251_general_ci | 1 | | utf16 | UTF-16 Unicode | utf16_general_ci | 4 | | utf16le | UTF-16LE Unicode | utf16le_general_ci | 4 | | cp1256 | Windows Arabic | cp1256_general_ci | 1 | | cp1257 | Windows Baltic | cp1257_general_ci | 1 | | utf32 | UTF-32 Unicode | utf32_general_ci | 4 | | binary | Binary pseudo charset | binary | 1 | | geostd8 | GEOSTD8 Georgian | geostd8_general_ci | 1 | | cp932 | SJIS for Windows Japanese | cp932_japanese_ci | 2 | | eucjpms | UJIS for Windows Japanese | eucjpms_japanese_ci | 3 | | gb18030 | China National Standard GB18030 | gb18030_chinese_ci | 4 | +----------+---------------------------------+---------------------+--------+ 41 rows in set (0.02 sec) ``` 其中： - 第一列（Charset）為字符集名稱； - 第二列（Description）為字符集描述； - 第三列（Default collation）為字符集的預設校對規則； - 第四列（Maxlen）表示字符集中一個字元佔用的最大位元組數。 常用的字符集如下： - latin1 支援西歐字元、希臘字元等。 - gbk 支援中文簡體字元。 - big5 支援中文繁體字元。 - utf8 幾乎支援所有國家的字元。 也可以通過查詢 information_schema.character_set 表中的記錄，來檢視 MySQL 支援的字符集。SQL 語句和執行過程如下： ```mysql mysql> SELECT * FROM information_schema.character_sets; +--------------------+----------------------+---------------------------------+--------+ | CHARACTER_SET_NAME | DEFAULT_COLLATE_NAME | DESCRIPTION | MAXLEN | +--------------------+----------------------+---------------------------------+--------+ | big5 | big5_chinese_ci | Big5 Traditional Chinese | 2 | | dec8 | dec8_swedish_ci | DEC West European | 1 | | cp850 | cp850_general_ci | DOS West European | 1 | | hp8 | hp8_english_ci | HP West European | 1 | ...... ``` 可以使用 `SHOW COLLATION LIKE '***';`命令來檢視相關字符集的校對規則。 ```mysql mysql> SHOW COLLATION LIKE 'gbk%'; +----------------+---------+----+---------+----------+---------+ | Collation | Charset | Id | Default | Compiled | Sortlen | +----------------+---------+----+---------+----------+---------+ | gbk_chinese_ci | gbk | 28 | Yes | Yes | 1 | | gbk_bin | gbk | 87 | | Yes | 1 | +----------------+---------+----+---------+----------+---------+ 2 rows in set (0.00 sec) ``` 上面執行結果為 GBK 字符集所對應的校對規則，其中 gbk_chinese_ci 是預設的校對規則，對大小寫不敏感。而 gbk_bin 按照二進位制編碼的值進行比較，對大小寫敏感。 也可以通過查詢 information_schema.COLLATIONS 表中的記錄，來檢視 MySQL 中可用的校對規則。SQL 語句和執行過程如下： ```mysql mysql> SELECT * FROM information_schema.COLLATIONS; +--------------------------+--------------------+-----+------------+-------------+---------+ | COLLATION_NAME | CHARACTER_SET_NAME | ID | IS_DEFAULT | IS_COMPILED | SORTLEN | +--------------------------+--------------------+-----+------------+-------------+---------+ | big5_chinese_ci | big5 | 1 | Yes | Yes | 1 | | big5_bin | big5 | 84 | | Yes | 1 | | dec8_swedish_ci | dec8 | 3 | Yes | Yes | 1 | | dec8_bin | dec8 | 69 | | Yes | 1 | | cp850_general_ci | cp850 | 4 | Yes | Yes | 1 | | cp850_bin | cp850 | 80 | | Yes | 1 | ...... ``` 在實際應用中，我們應事先確認應用需要按照什麼樣方式排序，是否區分大小寫，然後選擇相應的校對規則。 # MySQL設定預設字符集和校對規則 MySQL 伺服器可以支援多種字符集，在同一臺伺服器、同一個資料庫甚至同一個表的不同欄位中，都可以使用不同的字符集。Oracle 等其它資料庫管理系統都只能使用相同的字符集，相比之下，MySQL 明視訊記憶體在更大的靈活性。 MySQL 的字符集和校對規則有 4 個級別的預設設定，即**伺服器級、資料庫級、表級和欄位級**。它們分別在不同的地方設定，作用也不相同。 ## 伺服器字符集和校對規則 修改伺服器預設字符集和校對規則的方法如下。 可以在 my.ini 配置檔案中設定伺服器字符集和校對規則，新增內容如下： ```mysql [mysqld] character-set-server=字符集名稱 ``` 連線 MySQL 伺服器時指定字符集： ```mysql mysql --default-character-set=字符集名稱 -h 主機IP地址 -u 使用者名稱 -p 密碼 ``` 如果沒有指定伺服器字符集，MySQL 會預設使用 latin1 作為伺服器字符集。如果只指定了字符集，沒有指定校對規則，MySQL 會使用該字符集對應的預設校對規則。如果要使用字符集的非預設校對規則，需要在指定字符集的同時指定校對規則。 可以用 **SHOW VARIABLES LIKE 'character_set_server'** 和 **SHOW VARIABLES LIKE 'collation_server'** 命令查詢當前伺服器的字符集和校對規則。 ```mysql mysql> SHOW VARIABLES LIKE 'character_set_server'; +----------------------+--------+ | Variable_name | Value | +----------------------+--------+ | character_set_server | gbk | +----------------------+--------+ 1 row in set, 1 warning (0.01 sec) mysql> SHOW VARIABLES LIKE 'collation_server'; +------------------+-------------------+ | Variable_name | Value | +------------------+-------------------+ | collation_server | gbk_chinese_ci | +------------------+-------------------+ 1 row in set, 1 warning (0.01 sec) ``` ## 資料庫字符集和校對規則 資料庫的字符集和校對規則在建立資料庫時指定，也可以在建立完資料庫後通過 ALTER DATABASE 命令進行修改 需要注意的是，**如果資料庫裡已經存在資料，修改字符集後，已有的資料不會按照新的字符集重新存放，所以不能通過修改資料庫的字符集來修改資料的內容**。 設定資料庫字符集的規則如下： - 如果指定了字符集和校對規則，則使用指定的字符集和校對規則； - 如果指定了字符集沒有指定校對規則，則使用指定字符集的預設校對規則； - 如果指定了校對規則但未指定字符集，則字符集使用與該校對規則關聯的字符集； - 如果沒有指定字符集和校對規則，則使用伺服器字符集和校對規則作為資料庫的字符集和校對規則。 為了避免受到預設值的影響，推薦在建立資料庫時指定字符集和校對規則。 可以使用 **SHOW VARIABLES LIKE 'character_set_database'** 和 **SHOW VARIABLES LIKE 'collation_database'** 命令檢視當前資料庫的字符集和校對規則。 ```mysql mysql> SHOW VARIABLES LIKE 'character_set_database'; +------------------------+--------+ | Variable_name | Value | +------------------------+--------+ | character_set_database | latin1 | +------------------------+--------+ 1 row in set, 1 warning (0.00 sec) mysql> SHOW VARIABLES LIKE 'collation_database'; +--------------------+-------------------+ | Variable_name | Value | +--------------------+-------------------+ | collation_database | latin1_swedish_ci | +--------------------+-------------------+ 1 row in set, 1 warning (0.00 sec) ``` ## 表字符集和校對規則 表的字符集和校對規則在建立表的時候指定，也可以在建立完表後通過 **ALTER TABLE** 命令進行修改。 同樣，如果表中已有記錄，修改字符集後，原有的記錄不會按照新的字符集重新存放。表的欄位仍然使用原來的字符集。 設定表的字符集規則和設定資料庫字符集的規則基本類似： - 如果指定了字符集和校對規則，使用指定的字符集和校對規則； - 如果指定了字符集沒有指定校對規則，使用指定字符集的預設校對規則； - 如果指定了校對規則但未指定字符集，則字符集使用與該校對規則關聯的字符集； - 如果沒有指定字符集和校對規則，使用資料庫字符集和校對規則作為表的字符集和校對規則。 為了避免受到預設值的影響，推薦在建立表的時候指定字符集和校對規則。 可以使用 **SHOW CREATE TABLE** 命令檢視當前表的字符集和校對規則，SQL 語句和執行結果如下： ```mysql mysql> SHOW CREATE TABLE tb_students_info \G *************************** 1. row *************************** Table: tb_students_info Create Table: CREATE TABLE `tb_students_info` ( `id` int(11) NOT NULL AUTO_INCREMENT, `name` varchar(10) DEFAULT NULL, `age` int(11) DEFAULT NULL, `sex` char(1) DEFAULT NULL, `height` float DEFAULT NULL, `course_id` int(11) DEFAULT NULL, PRIMARY KEY (`id`) ) ENGINE=InnoDB AUTO_INCREMENT=12 DEFAULT CHARSET=utf8 1 row in set (0.00 sec) ``` ## 列字符集和校對規則 MySQL 可以定義列級別的字符集和校對規則，主要是針對相同表的不同欄位需要使用不同字符集的情況。一般遇到這種情況的機率比較小，這只是 MySQL 提供給我們一個靈活設定的手段。 列字符集和校對規則的定義可以在建立表時指定，或者在修改表時調整。語法格式如下： ```mysql ALTER TABLE 表名 MODIFY 列名 資料型別 CHARACTER SET 字符集名; ``` 如果在建立列的時候沒有特別指定字符集和校對規則，預設使用表的字符集和校對規則。 ## 連線字符集和校對規則 上面所講的 4 種設定方式，確定的都是資料儲存的字符集和校對規則。實際應用中，還需要設定客戶端和伺服器之間互動的字符集和校對規則。 對於客戶端和伺服器的互動操作，MySQL 提供了 3 個不同的引數：**character_set_client、character_set_connection 和 character_set_results**，分別代表客戶端、連線和返回結果的字符集。通常情況下，這 3 個字符集是相同的，這樣可以確保正確讀出使用者寫入的資料，尤其是中文字元。字符集不同時，容易導致寫入的記錄不能正確讀出。 設定客戶端和伺服器連線的字符集和校對規則有以下幾種方法： - 在 my.ini 配置檔案中，設定以下語句： ``` [mysql] default-character-set=gbk ``` 這樣伺服器啟動後，所有連線預設使用 GBK 字符集進行連線。 - 可以通過以下命令來設定連線的字符集和校對規則，這個命令可以同時修改以上 3 個引數（character_set_client、character_set_connection 和 character_set_results）的值。 ``` SET NAMES gbk; ``` 使用這個方法可以“臨時一次性地”修改客戶端和伺服器連線時的字符集為 gbk。 - MySQL 還提供了下列 MySQL 命令“臨時地”修改 MySQL“當前會話的”字符集和校對規則。 ``` set character_set_client = gbk; set character_set_connection = gbk; set character_set_database = gbk; set character_set_results = gbk; set character_set_server = gbk; set collation_connection = gbk_chinese_ci; set collation_database = gbk_chinese_ci; set collation_server = gbk_chinese_ci; ``` # MySQL字符集的選擇 由於資料庫中儲存的資料大部分都是各種文字，所以字符集對資料庫的儲存、處理效能，以及日後系統的移植、推廣都會有影響。**對資料庫來說，字符集非常重要**。不論是在 MySQL 資料庫還是其它資料庫，都存在字符集的選擇問題。 如果在建立資料庫時沒有正確選擇字符集，在後期就可能需要更換字符集，而更換字符集是代價比較高的操作，也存在一定的風險。所以推薦在應用開始階段，就按照實際需求，正確的選擇合適的字符集，避免後期不必要的調整。 目前 MySQL 5.7 支援幾十種字符集，包括 UCS-2、UTF-16、UTF-16LE、UTF-32、 UTF-8 和 utf8mb4 等 Unicode 字符集。 那麼面對眾多的字符集，我們該如何選擇呢？ 在選擇資料庫字符集時，可以根據應用的需求，結合字符集的特點來權衡，主要考慮以下幾方面的因素。 1. 滿足應用支援語言的需求。如果應用要處理各種各樣的文字，或者將釋出到使用不同語言的國家或地區，就應該選擇 Unicode 字符集。對 MySQL 來說，目前就是 UTF-8。 2. 如果應用中涉及已有資料的匯入，就要充分考慮資料庫字符集對已有資料的相容性。假如已有資料的字符集是 GBK，如果選擇 GB 2312-80 為資料庫字符集，就很可能出現某些文字無法正確匯入。 3. 如果資料庫只需要支援一般中文，資料量很大，效能要求也很高，那就應該選擇雙位元組定長編碼的中文字符集，比如 GBK。 - 因為，相對於 UTF-8 而言，GBK 比較“小”，每個漢字只佔 2 個位元組，而 UTF-8 漢字編碼需要 3 個位元組，這樣可以減少磁碟 I/O、資料庫 Cache 以及網路傳輸的時間，從而提高效能。相反，如果應用主要處理英文字元，僅有少量漢字資料，那麼選擇 UTF-8 更好，因為 GBK、UCS-2、UTF-16 的西文字元編碼都是 2 個位元組，會造成很多不必要的開銷。 4. 如果資料庫需要做大量的字元運算，如比較、排序等，那麼選擇定長字符集可能更好，因為定長字符集的處理速度要比變長字符集的處理速度快。 5. 如果所有客戶端程式都支援相同的字符集，則應該優先選擇該字符集作為資料庫字符集。這樣可以避免因字符集轉換帶來的效能開銷和資料損失。 6. 在多種字符集都能夠滿足應用的前提下，應儘量使用小的字符集。因為更小的字符集意味著能夠節省空間、減少網路傳輸位元組數，同時由於儲存空間的較小間接的提高了系統的效能。 注意：有很多字符集都可以儲存漢字，比如 UTF-8、GB2312、GBK、Latin1 等等。但是常用的是 GB2312 和 GBK。因為 GB2312 字型檔比 GBK 字型檔小，有些偏僻字（例如：洺）不能儲存，因此在選擇字符集的時候一定要權衡這些偏僻字出現的機率，一般情況下，最好選