如何在整个数据库中更改 CHARACTER SET（和 COLLATION）？

Posted 2023-02-24

【中文标题】如何在整个数据库中更改 CHARACTER SET（和 COLLATION）？

【英文标题】：How to change the CHARACTER SET (and COLLATION) throughout a database?

【发布时间】：2011-08-19 21:06:31

【问题描述】：

我们以前的程序员在表 (mysql) 中设置了错误的排序规则。他用拉丁排序规则设置它，它应该是 UTF8，现在我遇到了问题。每条带有中日字符的记录都变成了???字符。

是否可以更改排序规则并取回字符的详细信息？

【问题讨论】：

MySql alter table Collation 的可能重复项

排序规则与'???'有什么关系字符集？我认为这与字符集有关？

我正在更改标题以反映意图。更改 database 的 default 排序规则远低于预期。

【参考方案1】：

更改数据库排序规则：

ALTER DATABASE <database_name> CHARACTER SET utf8mb4 COLLATE utf8mb4_0900_ai_ci;

更改表排序规则：

ALTER TABLE <table_name> CONVERT TO CHARACTER SET utf8mb4 COLLATE utf8mb4_0900_ai_ci;

更改列排序规则：

ALTER TABLE <table_name> MODIFY <column_name> VARCHAR(255) CHARACTER SET utf8mb4 COLLATE utf8mb4_0900_ai_ci;

---

utf8mb4_0900_ai_ci 各部分是什么意思？

3 bytes -- utf8
4 bytes -- utf8mb4 (new)

v4.0 --   _unicode_
v5.20 --  _unicode_520_
v9.0 --   _0900_ (new)

_bin      -- just compare the bits; don't consider case folding, accents, etc
_ci       -- explicitly case insensitive (A=a) and implicitly accent insensitive (a=á)
_ai_ci    -- explicitly case insensitive and accent insensitive
_as (etc) -- accent-sensitive (etc)

_bin         -- simple, fast
_general_ci  -- fails to compare multiletters; eg ss=ß, somewhat fast
...          -- slower
_0900_       -- (8.0) much faster because of a rewrite

更多信息：

What are the differences between utf8_general_ci and utf8_unicode_ci? What's the difference between utf8_general_ci and utf8_unicode_ci? How to change collation of database, table, column? What's the difference between utf8_general_ci and utf8_unicode_ci?

【讨论】：

当心CHARACTER SET utf8 将默认为utf8_general_ci，但如果需要，您也可以像ALTER DATABASE <database_name> CHARACTER SET utf8 COLLATE utf8_unicode_ci; 这样定义排序规则

...我建议你测试一下create table testit(a varchar(1)); show create table testit \G drop table testit;

只想提一下，第二个会把排序规则改成utf8_general_ci；如果你想把它改成utf8_unicode_ci，你可以定义排序规则：ALTER TABLE <table_name> CONVERT TO CHARACTER SET utf8 COLLATE utf8_unicode_ci;。正如@KCD 所指出的，这在表上的工作方式与在数据库上的工作方式完全相同。

最好执行以下操作以获得完整的 utf8 支持 ALTER DATABASE <database_name> CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci。您应该对其他两个语句执行相同的操作。

你真的需要使用“ALTER TABLE MODIFY ...”。根据dev.mysql.com/doc/refman/5.5/en/alter-table.html，似乎“ALTER TABLE CONVERT TO CHARACTER SET ...”也改变了列？或者我没有正确阅读/理解手册。

【参考方案2】：

除了 David Whittaker 发布的内容之外，我还创建了一个查询，该查询生成完整的表和列更改语句，该语句将转换每个表。运行可能是个好主意

设置会话 group_concat_max_len = 100000;

首先要确保您的组 concat 不会超过 here 所看到的非常小的限制。

     SELECT a.table_name, concat('ALTER TABLE ', a.table_schema, '.', a.table_name, ' DEFAULT CHARACTER SET utf8mb4 DEFAULT COLLATE utf8mb4_unicode_ci, ',
        group_concat(distinct(concat(' MODIFY ',  column_name, ' ', column_type, ' CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci ', if (is_nullable = 'NO', ' NOT', ''), ' NULL ',
        if (COLUMN_DEFAULT is not null, CONCAT(' DEFAULT \'', COLUMN_DEFAULT, '\''), ''), if (EXTRA != '', CONCAT(' ', EXTRA), '')))), ';') as alter_statement
    FROM information_schema.columns a
    INNER JOIN INFORMATION_SCHEMA.TABLES b ON a.TABLE_CATALOG = b.TABLE_CATALOG
        AND a.TABLE_SCHEMA = b.TABLE_SCHEMA
        AND a.TABLE_NAME = b.TABLE_NAME
        AND b.table_type != 'view'
    WHERE a.table_schema = ? and (collation_name = 'latin1_swedish_ci' or collation_name = 'utf8mb4_general_ci')
    GROUP BY table_name;

上一个答案之间的区别在于它使用 utf8 而不是 ut8mb4 并且使用 t1.data_type 和 t1.CHARACTER_MAXIMUM_LENGTH 不适用于枚举。此外，我的查询不包括视图，因为它们必须单独更改。

我只是使用 Perl 脚本将所有这些更改作为数组返回并对其进行迭代，修复了太长的列（通常它们是 varchar(256)，而数据中通常只有 20 个字符，所以这是一个简单的解决方法）。

从 latin1 -> utf8mb4 更改时，我发现一些数据已损坏。似乎列中的 utf8 编码 latin1 字符会在转换中出错。我只是在更改前后保存了我知道会在内存中出现问题的列中的数据，然后比较它们并生成更新语句来修复数据。

【参考方案3】：

以下是如何更改所有数据库/表/列。运行这些查询，它们将输出将整个架构转换为 utf8 所需的所有后续查询。希望这会有所帮助！

-- 更改数据库默认排序规则

SELECT DISTINCT concat('ALTER DATABASE `', TABLE_SCHEMA, '` CHARACTER SET utf8 COLLATE utf8_unicode_ci;')
from information_schema.tables
where TABLE_SCHEMA like  'database_name';

-- 更改 TABLE 排序规则/字符集

SELECT concat('ALTER TABLE `', TABLE_SCHEMA, '`.`', table_name, '` CHARACTER SET utf8 COLLATE utf8_unicode_ci;')
from information_schema.tables
where TABLE_SCHEMA like 'database_name';

-- 更改 COLUMN 排序规则/字符集

SELECT concat('ALTER TABLE `', t1.TABLE_SCHEMA, '`.`', t1.table_name, '` MODIFY `', t1.column_name, '` ', t1.data_type , '(' , t1.CHARACTER_MAXIMUM_LENGTH , ')' , ' CHARACTER SET utf8 COLLATE utf8_unicode_ci;')
from information_schema.columns t1
where t1.TABLE_SCHEMA like 'database_name' and t1.COLLATION_NAME = 'old_charset_name';

【讨论】：

好。 ！我试图解决同样的问题大约需要一个小时。我使用这 3 个命令，我看到字符集发生了变化。但主要问题仍然是我。如果我直接写入数据库，那么一切都在我的浏览器中显示得很好。但是如果我从网站表单中添加了一些内容，数据库中的结果只是??????。有什么我应该考虑的吗？我的网络应用是一个 .NET MVC 应用。

保存到对未来项目有用的查询中。

我提出了一些修改建议，因为这些自动查询的使用还不是很安全。 CHARACTER_MAXIMUM_LENGTH 仍然存在问题：当您更改时，原来的可能太高了，例如latin1_swedish_ci 到 utf8_unicode_ci。

这是一个很好的答案。我有三个 cmets/问题： 1) 为什么在 COLUMN 代码中使用“t1”？我认为没有任何必要。 2) 为什么是“t1.data_type, '(', t1.CHARACTER_MAXIMUM_LENGTH, ')'”而不仅仅是“t1.column_type”？ 3）为什么大写和小写的混合 - TABLE_SCHEMA vs table_name 等等？

请注意，这会将列更改为 NULLable 并删除其默认值（至少在 MySQL 中）。

【参考方案4】：

请注意，在 Mysql 中，utf8 字符集只是真正的 UTF8 字符集的一个子集。为了节省一个字节的存储空间，Mysql 团队决定只存储一个 UTF8 字符的三个字节，而不是完整的四个字节。这意味着不完全支持某些东亚语言和表情符号。为确保您可以存储所有 UTF8 字符，请在 Mysql 中使用 utf8mb4 数据类型和 utf8mb4_bin 或 utf8mb4_general_ci。

【讨论】：

到目前为止，建议使用utf8mb4_unicode_ci 而不是utf8mb4_general_ci。见***.com/questions/766809/… 和drupal.stackexchange.com/questions/166405/…

【参考方案5】：

here 很好地描述了这个过程。然而，一些不适合拉丁空间的角色永远消失了。 UTF-8 是 latin1 的 SUPERSET。不是反过来。大多数将适合单字节空间，但任何未定义的都不会（检查 latin1 列表 - 并非所有 256 个字符都已定义，具体取决于 mysql 的 latin1 定义）