MySQL字符集和校對規則詳解
先來簡單了解一下字符、字符集和字符編碼。
字符（Character）：是計算機中字母、數字、符號的統稱，一個字符可以是一個中文漢字、一個英文字母、一個阿拉伯數字、一個標點符號等。
- 計算機是以二進制的形式來存儲數據的。平時我們在顯示器上看到的數字、英文、標點符號、漢字等字符都是二進制數轉換之后的結果。
字符集（Character set）：定義了字符和二進制的對應關系，為字符分配了唯一的編號。常見的字符集有 ASCII、GBK、IOS-8859-1 等。
字符編碼（Character encoding）：也可以稱為字集碼，規定了如何將字符的編號存儲到計算機中。大部分字符集都只對應一種字符編碼。
- 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符編碼。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符之間的比較規則。字符集和校對規則是一對多的關系，每個字符集都有一個默認的校對規則。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 存儲字符串的方式，校對規則用來定義 MySQL 比較字符串的方式。
有些數據庫並沒有清晰的區分開字符集和校對規則。
- 例如，在 SQL Server 中創建數據庫時，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，必須設置字符集和校對規則。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 會將校對規則設置為字符集中對應的默認校對規則。
可以通過SHOW VARIABLES LIKE 'character%';命令查看當前 MySQL 使用的字符集，命令和運行結果如下：
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)
上述運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 ：連接數據庫時使用的字符集
- character_set_database ： 創建數據庫使用的字符集
- character_set_filesystem ：MySQL 服務器文件系統使用的字符集，默認值為 binary，不做任何轉換
- character_set_results ： 數據庫給客戶端返回數據時使用的字符集
- character_set_server ： MySQL 服務器使用的字符集，建議由系統自己管理，不要人為定義
- character_set_system ：數據庫系統使用的字符集，默認值為 utf8，不需要設置 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 個系統變量，它們不會影響亂碼 。
可以通過SHOW VARIABLES LIKE 'collation\_%';命令查看當前 MySQL 使用的校對規則，命令和運行結果如下：
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)
對上述運行結果說明如下：
- collation_connection：連接數據庫時使用的校對規則
- collation_database：創建數據庫時使用的校對規則
- collation_server：MySQL 服務器使用的校對規則
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：
- 在命令提示符窗口（cmd 命令行）中執行 MySQL 命令或 sql 語句時，這些命令或語句從“命令提示符窗口字符集”轉換為“character_set_client”定義的字符集。
- 使用命令提示符窗口成功連接 MySQL 服務器后，就建立了一條“數據通信鏈路”，MySQL 命令或 sql 語句沿着“數據鏈路”傳向 MySQL 服務器，由 character_set_client 定義的字符集轉換為 character_set_connection 定義的字符集。
- MySQL 服務實例收到數據通信鏈路中的 MySQL 命令或 sql 語句后，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。
- 若 MySQL 命令或 sql 語句針對於某個數據庫進行操作，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。
- MySQL 命令或 sql 語句執行結束后，將執行結果設置為 character_set_results 定義的字符集。
- 執行結果沿着打開的數據通信鏈路原路返回，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窗口字符集，顯示到命令提示符窗口中。
MySQL查看字符集和校對規則
在 MySQL 中，查看可用字符集的命令和執行過程如下：
SHOW CHARACTER set
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）為字符集的默認校對規則；
- 第四列（Maxlen）表示字符集中一個字符占用的最大字節數。
常用的字符集如下：
- latin1 支持西歐字符、希臘字符等。
- gbk 支持中文簡體字符。
- big5 支持中文繁體字符。
- utf8 幾乎支持所有國家的字符。
也可以通過查詢 information_schema.character_set 表中的記錄，來查看 MySQL 支持的字符集。SQL 語句和執行過程如下：
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 '***';命令來查看相關字符集的校對規則。
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)
上面運行結果為 GBK 字符集所對應的校對規則，其中 gbk_chinese_ci 是默認的校對規則，對大小寫不敏感。而 gbk_bin 按照二進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，來查看 MySQL 中可用的校對規則。SQL 語句和執行過程如下：
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么樣方式排序，是否區分大小寫，然后選擇相應的校對規則。
MySQL設置默認字符集和校對規則
MySQL 服務器可以支持多種字符集，在同一台服務器、同一個數據庫甚至同一個表的不同字段中，都可以使用不同的字符集。Oracle 等其它數據庫管理系統都只能使用相同的字符集，相比之下，MySQL 明顯存在更大的靈活性。
MySQL 的字符集和校對規則有 4 個級別的默認設置，即服務器級、數據庫級、表級和字段級。它們分別在不同的地方設置，作用也不相同。
服務器字符集和校對規則
修改服務器默認字符集和校對規則的方法如下。
可以在 my.ini 配置文件中設置服務器字符集和校對規則，添加內容如下：
[mysqld]
character-set-server=字符集名稱
連接 MySQL 服務器時指定字符集：
mysql --default-character-set=字符集名稱 -h 主機IP地址 -u 用戶名 -p 密碼
如果沒有指定服務器字符集，MySQL 會默認使用 latin1 作為服務器字符集。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默認校對規則。如果要使用字符集的非默認校對規則，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' 命令查詢當前服務器的字符集和校對規則。
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)
數據庫字符集和校對規則
數據庫的字符集和校對規則在創建數據庫時指定，也可以在創建完數據庫后通過 ALTER DATABASE 命令進行修改
需要注意的是，如果數據庫里已經存在數據，修改字符集后，已有的數據不會按照新的字符集重新存放，所以不能通過修改數據庫的字符集來修改數據的內容。
設置數據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默認校對規則；
- 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，則使用服務器字符集和校對規則作為數據庫的字符集和校對規則。
為了避免受到默認值的影響，推薦在創建數據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' 命令查看當前數據庫的字符集和校對規則。
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創建表的時候指定，也可以在創建完表后通過 ALTER TABLE 命令進行修改。
同樣，如果表中已有記錄，修改字符集后，原有的記錄不會按照新的字符集重新存放。表的字段仍然使用原來的字符集。
設置表的字符集規則和設置數據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，使用指定字符集的默認校對規則；
- 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，使用數據庫字符集和校對規則作為表的字符集和校對規則。
為了避免受到默認值的影響，推薦在創建表的時候指定字符集和校對規則。
可以使用 SHOW CREATE TABLE 命令查看當前表的字符集和校對規則，SQL 語句和運行結果如下：
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字段需要使用不同字符集的情況。一般遇到這種情況的幾率比較小，這只是 MySQL 提供給我們一個靈活設置的手段。
列字符集和校對規則的定義可以在創建表時指定，或者在修改表時調整。語法格式如下：
ALTER TABLE 表名 MODIFY 列名 數據類型 CHARACTER SET 字符集名;
如果在創建列的時候沒有特別指定字符集和校對規則，默認使用表的字符集和校對規則。
連接字符集和校對規則
上面所講的 4 種設置方式，確定的都是數據保存的字符集和校對規則。實際應用中，還需要設置客戶端和服務器之間交互的字符集和校對規則。
對於客戶端和服務器的交互操作，MySQL 提供了 3 個不同的參數：character_set_client、character_set_connection 和 character_set_results，分別代表客戶端、連接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用戶寫入的數據，尤其是中文字符。字符集不同時，容易導致寫入的記錄不能正確讀出。
設置客戶端和服務器連接的字符集和校對規則有以下幾種方法：
- 在 my.ini 配置文件中，設置以下語句：
[mysql]
default-character-set=gbk
這樣服務器啟動后，所有連接默認使用 GBK 字符集進行連接。
- 可以通過以下命令來設置連接的字符集和校對規則，這個命令可以同時修改以上 3 個參數（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”修改客戶端和服務器連接時的字符集為 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
由於數據庫中存儲的數據大部分都是各種文字，所以字符集對數據庫的存儲、處理性能，以及日后系統的移植、推廣都會有影響。對數據庫來說，字符集非常重要。不論是在 MySQL 數據庫還是其它數據庫，都存在字符集的選擇問題。
如果在創建數據庫時沒有正確選擇字符集，在后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，避免后期不必要的調整。
目前 MySQL 5.7 支持幾十種字符集，包括 UCS-2、UTF-16、UTF-16LE、UTF-32、 UTF-8 和 utf8mb4 等 Unicode 字符集。
那么面對眾多的字符集，我們該如何選擇呢？
在選擇數據庫字符集時，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。
- 滿足應用支持語言的需求。如果應用要處理各種各樣的文字，或者將發布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。
- 如果應用中涉及已有數據的導入，就要充分考慮數據庫字符集對已有數據的兼容性。假如已有數據的字符集是 GBK，如果選擇 GB 2312-80 為數據庫字符集，就很可能出現某些文字無法正確導入。
- 如果數據庫只需要支持一般中文，數據量很大，性能要求也很高，那就應該選擇雙字節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”，每個漢字只占 2 個字節，而 UTF-8 漢字編碼需要 3 個字節，這樣可以減少磁盤 I/O、數據庫 Cache 以及網絡傳輸的時間，從而提高性能。相反，如果應用主要處理英文字符，僅有少量漢字數據，那么選擇 UTF-8 更好，因為 GBK、UCS-2、UTF-16 的西文字符編碼都是 2 個字節，會造成很多不必要的開銷。
- 如果數據庫需要做大量的字符運算，如比較、排序等，那么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。
- 如果所有客戶端程序都支持相同的字符集，則應該優先選擇該字符集作為數據庫字符集。這樣可以避免因字符集轉換帶來的性能開銷和數據損失。
- 在多種字符集都能夠滿足應用的前提下，應盡量使用小的字符集。因為更小的字符集意味着能夠節省空間、減少網絡傳輸字節數，同時由於存儲空間的較小間接的提高了系統的性能。
注意：有很多字符集都可以保存漢字，比如 UTF-8、GB2312、GBK、Latin1 等等。但是常用的是 GB2312 和 GBK。因為 GB2312 字庫比 GBK 字庫小，有些偏僻字（例如：洺）不能保存，因此在選擇字符集的時候一定要權衡這些偏僻字出現的幾率，一般情況下，最好選用 GBK。