MySQL字符集

Posted 2020-09-20 ChavinKing

一、字符集和校验规则

字符集是一套符合和编码，校验规则（collation）是在字符集内用于比较字符的一套规则，即字符集的排序规则。mysql可以使用对种字符集和检验规则来组织字符。

MySQL服务器可以支持多种字符集，在同一台服务器，同一个数据库，甚至同一个表的不同字段都可以指定使用不同的字符集，相比oracle等其他数据库管理系统，在同一个数据库只能使用相同的字符集，MySQL明显存在更大的灵活性。

每种字符集都可能有多种校对规则，并且都有一个默认的校对规则，并且每个校对规则只是针对某个字符集，和其他的字符集么有关系。

在MySQL中，字符集的概念和编码方案被看做是同义词，一个字符集是一个转换表和一个编码方案的组合。

Unicode（Universal Code）是一种在计算机上使用的字符编码。Unicode 是为了解决传统的字符编码方案的局限而产生的，它为每种语言中的每个字符设定了统一并且唯一的二进制编码，以满足跨语言、跨平台进行文本转换、处理的要求。Unicode存在不同的编码方案，包括Utf-8，Utf-16和Utf-32。Utf表示Unicode Transformation Format。

二、查看mysql字符集方法

1、查看mysql服务器支持的字符集

mysql> show character set;

mysql> select * from information_schema.character_sets;

mysql> select character_set_name, default_collate_name, description, maxlen from

information_schema.character_sets;

2、查看字符集的校对规则

mysql> show collation;

mysql> show collation like \'utf8\';

mysql> select * from information_schema.collations where collation_name like \'utf8%\';

3、查看当前数据库的字符集

mysql> show variables like \'character%\';

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

| Variable_name | Value |

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

| character_set_client | utf8 |

| character_set_connection | utf8 |

| character_set_database | latin1 |

| character_set_filesystem | utf8 |

| character_set_results | utf8 |

| character_set_server | utf8 |

| character_set_system | utf8 |

| character_sets_dir | /usr/local/mysql/share/charsets/ |

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

8 rows in set (0.00 sec)

名词解释：

    character_set_client：客户端请求数据的字符集
    character_set_connection：客户机/服务器连接的字符集
    character_set_database：默认数据库的字符集，无论默认数据库如何改变，都是这个字符集；如果没有默认数据库，那就使用 character_set_server指定的字符集，这个变量建议由系统自己管理，不要人为定义。
    character_set_filesystem：把os上文件名转化成此字符集，即把 character_set_client转换character_set_filesystem， 默认binary是不做任何转换的

    character_set_results：结果集，返回给客户端的字符集
    character_set_server：数据库服务器的默认字符集
    character_set_system：系统字符集，这个值总是utf8，不需要设置。这个字符集用于数据库对象（如表和列）的名字，也用于存储在目录表中的函数的名字。

4、查看当前数据库的校对规则

mysql> show variables like \'collation%\';

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

| Variable_name | Value |

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

| collation_connection | utf8_general_ci |

| collation_database | latin1_swedish_ci |

| collation_server | utf8_general_ci |

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

3 rows in set (0.01 sec)

名词解释：

collation_connection 当前连接的字符集。
collation_database    当前日期的默认校对。每次用USE语句来“跳转”到另一个数据库的时候，这个变量的值就会改变。如果没有当前数据库，这个变量的值就是collation_server变量的值。
collation_server 服务器的默认校对。

排序方式的命名规则为：字符集名字_语言_后缀，其中各个典型后缀的含义如下：
1）_ci：不区分大小写的排序方式
2）_cs：区分大小写的排序方式
3）_bin：二进制排序方式，大小比较将根据字符编码，不涉及人类语言，因此_bin的排序方式不包含人类语言

三、MySQL字符集的设置

1、概述

MySQL字符集设置分为两类：

1）创建对象的默认值。

2）控制server和client端交互通信的配置。

1、创建对象的默认值

字符集合校对规则有4个级别的默认设置：

1）服务器级别；

2）数据库级别；

3）表级别、列级别；

4）连接级别。

更低级别的设置会集成高级别的设置。

这里有一个通用的规则：先为服务器或者数据库选择一个合理的字符集，然后根据不同的实际情况，让某个列选择自己的字符集。

2、控制server和client端交互通信的配置

大部分MySQL客户端都不具备同时支持多种字符集的能力，每次都只能使用一种字符集。

客户和服务器之间的字符集转换工作是由如下几个MySQL系统变量控制的。

1）character_set_server：mysql server默认字符集。

2）character_set_database：数据库默认字符集。

3）character_set_client：MySQL server假定客户端发送的查询使用的字符集。

4）character_set_connection：MySQL Server接收客户端发布的查询请求后，将其转换为character_set_connection变量指定的字符集。

5）character_set_results：mysql server把结果集和错误信息转换为character_set_results指定的字符集，并发送给客户端。

6）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。

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！

3、默认情况下字符集选择规则

(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.cnf) 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;

2、分述

2.1、为列分配字符集

属于同一个表的不同列可以有不同的字符集，如果没有为一个列显示的定义字符集就使用默认字符集。创建一个表的时候，若显示的为列指定字符集，则字符集作为数据类型选项包含在其中，要放在数据类型后面及空指定和主键前面。

例如：

create table column_charset(

c1 char(10) character set utf8 not null,

c2 char(10) char set utf8,

c3 varchar(10) charset utf8,

c4 varchar(10)) engine=innodb;

注意：character set可以简写为char set和charset

使用show create table table_name;命令查看column_charset建表语句：

mysql> show create table column_charset\\G;

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

Table: column_charset

Create Table: CREATE TABLE `column_charset` (

`c1` char(10) CHARACTER SET utf8 NOT NULL,

`c2` char(10) CHARACTER SET utf8 DEFAULT NULL,

`c3` varchar(10) CHARACTER SET utf8 DEFAULT NULL,

`c4` varchar(10) DEFAULT NULL

) ENGINE=InnoDB DEFAULT CHARSET=latin1

1 row in set (0.01 sec)

ERROR:

No query specified

插入数据，感受一下效果：

mysql> insert into column_charset(c1,c2,c3,c4) value("图灵","图灵","图灵","chavin");

Query OK, 1 row affected (0.01 sec)

mysql> select * from column_charset;

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

| c1 | c2 | c3 | c4 |

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

| 图灵 | 图灵 | 图灵 | chavin |

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

1 row in set (0.00 sec)

2.2、为表分配字符集

create table table_charset(

c1 varchar(10),

c2 varchar(10))engine=innodb default charset=utf8;

注意：为表指定字符集可以使用以下几种方式：

default charset=utf8;

charset=utf8;

default character set=utf8;

character set=utf8;

default char set=utf8;

char set=utf8;

检查建表语句：

mysql> show create table table_charset\\G;

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

Table: table_charset

Create Table: CREATE TABLE `table_charset` (

`c1` varchar(10) DEFAULT NULL,

`c2` varchar(10) DEFAULT NULL

) ENGINE=InnoDB DEFAULT CHARSET=utf8

1 row in set (0.00 sec)

测试：

mysql> insert into table_charset(c1,c2) values(\'图灵\',\'图灵\');

Query OK, 1 row affected (0.01 sec)

mysql> select * from table_charset;

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

| c1 | c2 |

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

| 图灵 | 图灵 |

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

1 row in set (0.00 sec)

2.3、为数据库指定字符集

创建的每个数据库都有一个默认字符集，如果没有指定，就用latin1。

create database dbking charset=utf8;

注意：创建数据库分配字符集可以采用以下几种子句：

charset=utf8;

default charset=utf8;

charset utf8;

default charset utf8;

char set=utf8;

default char set=utf8;

char set utf8;

default char set utf8;

character set=utf8;

default character set=utf8;

character set utf8;

default character set utf8;

使用show create database db_name;命令查看数据库创建语句：

mysql> show create database dbking;

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

| Database | Create Database |

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

| dbking | CREATE DATABASE `dbking` /*!40100 DEFAULT CHARACTER SET utf8 */ |

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

1 row in set (0.00 sec)

2.4、为列分配校对规则

每个列都应该有一个校对，如果没有显示指定，MySQL就使用属于该字符集的默认校对。如果指定了一个字符集和一个校对，字符集应该放在前面。

create table column_collate(

c1 varchar(10) charset utf8 collate utf8_romanian_ci not null,

c2 varchar(10) charset utf8 collate utf8_spanish_ci)engine=innodb;

查看表的校验规则信息：

mysql> select table_name,column_name,collation_name

from information_schema.columns

where table_name=\'column_collate\';

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

| table_name | column_name | collation_name |

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

| column_collate | c1 | utf8_romanian_ci |

| column_collate | c2 | utf8_spanish_ci |

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

2 rows in set (0.04 sec)

注意：字符集和校对在处理字符表达式的过程中扮演着重要角色。我们不能比较两个属于不同校对的不同字符值。例如：

mysql> insert into column_collate(c1,c2) values(\'A\',\'A\');

Query OK, 1 row affected (0.22 sec)

mysql> select * from column_collate;

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

| c1 | c2 |

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

| A | A |

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

1 row in set (0.00 sec)

mysql> select * from column_collate where c1=c2;

ERROR 1267 (HY000): Illegal mix of collations (utf8_romanian_ci,IMPLICIT) and (utf8_spanish_ci,IMPLICIT) for operation \'=\'

2.5、为表指定校对规则

create table table_collate(

c1 varchar(10),

c2 varchar(10))engine=innodb default charset utf8 collate utf8_romanian_ci;

检查表的校对规则：

mysql> select table_name,column_name,collation_name from information_schema.columns where table_name=\'table_collate\';

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

| table_name | column_name | collation_name |

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

| table_collate | c1 | utf8_romanian_ci |

| table_collate | c2 | utf8_romanian_ci |

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

2 rows in set (0.00 sec)

2.6、为数据库指定校对规则

create database dbking102 default charset utf8 collate utf8_romanian_ci;

查看数据库定义语句：

mysql> show create database dbking102\\G;

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

Database: dbking102

Create Database: CREATE DATABASE `dbking102` /*!40100 DEFAULT CHARACTER SET utf8 COLLATE utf8_romanian_ci */

1 row in set (0.00 sec)

2.7、字符直接量字符集

如果没有显示指定，那么字符直接量的字符集就是数据库的默认字符集。如果要显示分配另一个字符集，需要把字符集的名字放在直接量前面，并且要在字符集前面加上下划线。

mysql> select _utf8\'语言 Language 言語 язык\';

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

| 语言 Language 言語 язык     |

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

| 语言 Language 言語 язык     |

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

2.8、修改和设置MySQL服务器级别字符集

MySQL服务器支持众多不同的字符集，这类字符集可在编译时和运行时指定。

    1） 编译时指定

编译时可指定默认字符集和默认校对规则，要想同时更改默认字符集和校对规则，要同时使用--with-charset和--with-collation选项。校对规则必须是字符集的合法校对规则。

./configure -- with-charset=CHARSET --with-collation=COLLATION

通过configure选项--with-extra-charsets=LIST，可以定义在服务器中再定义增加字符集。LIST 指下面任何一项：
    a.空格间隔的一系列字符集名
    b.complex -，以包括不能动态装载的所有字符集
    c.all –，以将所有字符集包括进二进制

./configure -- with-charset=CHARSET --with-collation=COLLATION --with-extra-charsets=all

    2） 在参数文件my.cnf中指定

[mysqld]

character_set_server=utf8

    --影响参数：character_set_server 和 character_set_database

    --注意：修改后要重启数据库才能生效。

[client]

default-character-set=utf8

    --影响参数：character_set_client，character_set_connection 和character_set_results。

    --注意：修改后无需重启数据库。
3） 在启动参数前指定

./mysqld --character-set-server=utf8 &

    --影响参数：character_set_server 和 character_set_database
4）在mysql客户端登陆时通过--default-character-set指定

mysql -uroot -pmysql --default-character-set=utf8

--影响参数：set character_set_client，set character_set_connection，set character_set_results。

    5）临时指定

a）分别指定

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;

b）mysql客户端使用：set names utf8;

等同于

set character_set_client=utf8;

set character_set_connection=utf8;

set character_set_results=utf8;

c）set character set utf8;

等同于

set character_set_client=utf8;

set character_set_results=utf8;

set collation_connection=@@collation_database;

3、总结

下面介绍下几个MYSQL命令：
1）show character set;或show char set;
查看数据库支持的所有字符集
    2）status;或\\s;
查看当前状态 里面包括当然的字符集设置
    3）show variables like \'char%\';
查看系统字符集设置，包括所有的字符集设置
    4）show table status from sqlstudy like \'%countries%\';
查看sqlstudy数据库中表的字符集设置
    5）show full columns from countries;
查看表列的字符集设置，关键是在同一个表中，每列可以设置成不同的字符集
知道怎么查看字符集了，下面我来说下如何设置这些字符集
    1.修改服务器级
        a. 临时更改：
            mysql>SET GLOBAL character_set_server=utf8;
       b. 永久更改：
修改my.cnf文件
          [mysqld]
          character-set-server=utf8
   2.修改数据库级
         a. 临时更改：
             mysql>SET GLOBAL character_set_database=utf8;
        b. 永久更改：
改了服务器级就可以了
  3.修改表级
         mysql>ALTER TABLE table_name DEFAULT CHARSET utf8;
更改了后永久生效
  4.修改列级
修改示例：
         mysql>alter table `products` change `products_model` `products_model` varchar( 20 )
        character set  utf8 collate utf8_general_ci null default null;
更改了后永久生效
     5.更改连接字符集
          a. 临时更改：
              mysql> set names utf8;
         b. 永久更改：
修改my.cnf文件
在[client]中增加：
              default-character-set=utf8
执行SQL语句时信息的路径是这样的
信息输入路径：client→connection→server;
信息输出路径：server→connection→results.

四、MySQL数据库中字符集转换流程

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。

下图源自于《高性能MySQL》中关于字符集转换的图解：

五、MySQL数据库乱码原因解析及案例

1、产生乱码的根本原因
    1）客户机没有正确地设置client字符集，导致原先的SQL语句被转换成connection所指字符集，而这种转换，是会丢失信息的，如果client是utf8格式，那么如果转换成gb2312格式，这其中必定会丢失信息，反之则不会丢失。一定要保证connection的字符集大于client字符集才能保证转换不丢失信息。
    2）数据库字体没有设置正确，如果数据库字体设置不正确，那么connection字符集转换成database字符集照样丢失编码，原因跟上面一样。

2、乱码或数据丢失

    character_set_client:我们要告诉服务器，我给你发送的数据是什么编码？
    character_set_connection:告诉字符集转换器，转换成什么编码？
    character_set_results:查询的结果用什么编码？
如果以上三者都为字符集N,可简写为set names \'N\';

2.1 乱码问题

模拟情景1：

向默认字符集为utf8的数据表插入utf8编码的数据前连接字符集设置为latin1，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……

例如：

mysql> set names latin1;

mysql> create table temp(name varchar(10)) charset utf8;

mysql> insert into temp values(\'中国\');

mysql> select * from temp;

+--------+

| name |

+--------+

| 中国 |

+--------+

mysql> set names utf8;

mysql> select * from temp;

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

| name |

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

| 中国 |

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

注意：存储字符集编码比插入时字符集大时，如果原封不动返回数据会出现乱码，不过可通过修改查询字符集，避免乱码，即不会丢失数据。

2.2 数据丢失问题

模拟情景1：

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“?”(0×3F)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。

例如：

mysql> set names utf8;

mysql> create table temp(name varchar(10)) charset latin1;

mysql> insert into temp values(\'中国\');

mysql> select * from temp;

+------+

| name |

+------+

| ?? |

+------+

mysql> set names latin1;

mysql> select * from temp;

+------+

| name |

+------+

| ?? |

+------+

数据不完整了，且无法恢复。

3、 乱码终极解决方案

        1）首先要明确你的客户端时候何种编码格式，这是最重要的（IE6一般用utf8，命令行一般是gbk，一般程序是gb2312)
        2）确保你的数据库使用utf8格式，很简单，所有编码通吃。
        3）一定要保证connection字符集大于等于client字符集，不然就会信息丢失，比如： latin1 < gb2312 < gbk < utf8，若设置set character_set_client = gb2312，那么至少connection的字符集要大于等于gb2312，否则就会丢失信息
        4）以上三步做正确的话，那么所有中文都被正确地转换成utf8格式存储进了数据库，为了适应不同的浏览器，不同的客户端，你可以修改character_set_results来以不同的编码显示中文字体，由于utf8是大方向，因此web应用是我还是倾向于使用utf8格式显示中文的。