MySQL中character set與collation的理解（轉）

character set和collation的是什么？

character set即字符集

我們常看到的UTF-8、GB2312、GB18030都是相互獨立的character set。即對Unicode的一套編碼。

那么如何理解Unicode與UTF-8、GB2312的區別呢？

打個比方，你眼前有一個蘋果，在英文里稱之為apple，而在中文里稱之為蘋果。

蘋果這個實體的概念就是Unicode，而UTF-8，GB2312可以認為就是不同語言對蘋果的不同稱謂，本質上都是在描述蘋果這個物。

collation即比對方法

用於指定數據集如何排序，以及字符串的比對規則。

character set與collation的關系

軟件國際化是大勢所趨，所以Unicode是國際化最佳的選擇。當然為了提高性能，有些情況下還是使用latin1比較好。 

MySQL有兩個支持Unicode的character set：

• ucs2：使用16bits來表示一個Unicode字符。
• utf8：使用1~3bytes來表示一個Unicode字符。

選擇哪個character set視情況而定，例如utf8表示latin字符只需要一個字節，所以當用戶數據大部分為英文等拉丁字符時，使用utf8比較節省數據庫的存儲空間。據說SQL Server采用的是ucs2。

每個character set會對應一定數量的collation。查看方法是在MySQL的Console下輸入：

show collation;

我們會看到這樣的結果：

collation名字的規則可以歸納為這兩類：

• <character set>_<language/other>_<ci/cs>
• <character set>_bin

例如：

utf8_danish_ci

ci是case insensitive的縮寫，cs是case sensitive的縮寫。即，指定大小寫是否敏感。

utf8_bin是將字符串中的每一個字符用二進制數據存儲，區分大小寫。

奇怪的是utf8字符集對應的collation居然沒有一個是cs的。

那么utf8_general_ci，utf8_unicode_ci，utf8_danish_ci有什么區別？他們各自存在的意義又是什么？ 

同一個character set的不同collation的區別在於排序、字符串對比的准確度（相同兩個字符在不同國家的語言中的排序規則可能是不同的）以及性能。

例如：

utf8_general_ci在排序的准確度上要遜於utf8_unicode_ci，當然，對於英語用戶應該沒有什么區別。但性能上（排序以及比對速度）要略優於utf8_unicode_ci.例如前者沒有對德語中ß=ss的支持。

而utf8_danish_ci相比utf8_unicode_ci增加了對丹麥語的特殊排序支持。 

補充：

1、當表的character set是latin1時，若字段類型為nvarchar，則字段的字符集自動變為utf8。可見database character set，table character set，field character set可逐級覆蓋。

2、在ci的collation下，如何在比對時區分大小寫：

mysql> select * from pet;
+----------+-------+---------+------+------------+-------+
| name | owner | species | sex | birth | death |
+----------+-------+---------+------+------------+-------+
| Whistler | Gwen | bird | NULL | 1997-12-09 | NULL |
| whistler | Gwen | bird | NULL | 1988-09-25 | NULL |
+----------+-------+---------+------+------------+-------+
2 rows in set (0.00 sec)

mysql> select * from pet where name = 'whistler';
+----------+-------+---------+------+------------+-------+
| name | owner | species | sex | birth | death |
+----------+-------+---------+------+------------+-------+
| Whistler | Gwen | bird | NULL | 1997-12-09 | NULL |
| whistler | Gwen | bird | NULL | 1988-09-25 | NULL |
+----------+-------+---------+------+------------+-------+
2 rows in set (0.00 sec)

mysql> select * from pet where binary name = 'whistler';
+----------+-------+---------+------+------------+-------+
| name | owner | species | sex | birth | death |
+----------+-------+---------+------+------------+-------+
| whistler | Gwen | bird | NULL | 1988-09-25 | NULL |
+----------+-------+---------+------+------------+-------+
1 row in set (0.00 sec)

mysql> select * from pet where name = binary 'whistler';
+----------+-------+---------+------+------------+-------+
| name | owner | species | sex | birth | death |
+----------+-------+---------+------+------------+-------+
| whistler | Gwen | bird | NULL | 1988-09-25 | NULL |
+----------+-------+---------+------+------------+-------+
1 row in set (0.00 sec)

推薦使用

select * from pet where name = binary 'whistler';

這樣可以保證當前字段的索引依然有效，而

select * from pet where binary name = 'whistler';

會使索引失效。

 

參考：

http://zhongwei-leg.iteye.com/blog/899227（以上內容轉自此篇文章）

http://blog.sina.com.cn/s/blog_9707fac301016wxm.html

http://blog.csdn.net/haiross/article/details/51273593

http://www.jb51.net/article/40854.htm

http://blog.csdn.net/chenghuan1990/article/details/10078931

http：//stackoverflow.com/questions/367711/what-is-the-best-collation-to-use-for-MySQL-with-php

http：//dev.MySQL.com/doc/refman/5.0/en/charset-Unicode-sets.html

http：//dev.MySQL.com/doc/refman/5.1/en/show-collation.html

http：//dev.MySQL.com/doc/refman/5.1/en/charset-binary-op.html