Skip to content

Latest commit

 

History

History
151 lines (104 loc) · 5.67 KB

04character-and-collation.md

File metadata and controls

151 lines (104 loc) · 5.67 KB

来自: 字符集和比较规则

字符集

  • ASCII 字符集 共收录 128 个字符，包括空格、标点符号、数字、大小写字母和一些不可见字符。由于总共才 128 个字符，所以可以使用 1 个字节来进行编码。

  • ISO 8859-1 字符集 共收录 256 个字符，是在 ASCII 字符集的基础上又扩充了 128 个西欧常用字符 ( 包括德法两国的字母 )，也可以使用 1 个字节来进行编码。这个字符集也有一个别名 latin1。

  • GB2312 字符集 收录了汉字以及拉丁字母、希腊字母、日文平假名及片假名字母、俄语西里尔字母。其中收录汉字 6763 个，其他文字符号 682 个。同时这种字符集又兼容 ASCII 字符集，所以在编码方式上显得有些奇怪：

    • 如果该字符在 ASCII 字符集中，则采用 1 字节编码。
    • 否则采用 2 字节编码。

    这种表示一个字符需要的字节数可能不同的编码方式称为 变长编码方式。

  • GBK 字符集 GBK 字符集只是在收录字符范围上对 GB2312 字符集作了扩充，编码方式上兼容 GB2312。

  • utf8 字符集 收录地球上能想到的所有字符，而且还在不断扩充。这种字符集兼容 ASCII 字符集，采用变长编码方式，编码一个字符需要使用 1～4 个字节。

utf8 和 utf8mb4

utf8 字符集表示一个字符需要使用 1～4 个字节，但是我们常用的一些字符使用 1～3 个字节就可以表示了。而在 MySQL 中字符集表示一个字符所用最大字节长度在某些方面会影响系统的存储和性能，所以 MySQL 定义了两个概念：

  • utf8mb3 : 阉割过的 utf8 字符集，只使用 1～3 个字节表示字符。
  • utf8mb4 : 正宗的 utf8 字符集，使用 1～4 个字节表示字符。

有一点需要注意的是，在 MySQL 中 utf8 是 utf8mb3 的别名，所以之后在 MySQL 中提到 utf8 就意味着使用 1~3 个字节来表示一个字符，如果大家有使用 4 字节编码一个字符的情况，比如存储 emoji 表情，请使用 utf8mb4。

比较规则

  • 比较规则名称以与其关联的字符集的名称开头。

  • 后边紧跟着该比较规则主要作用于哪种语言。

    utf8_spanish_ci 是以西班牙语的规则比较，utf8_general_ci 是一种通用的比较规则。

  • 名称后缀意味着该比较规则是否区分语言中的重音、大小等。

后缀 英文释义 描述
_ai accent insensitive 不区分重音
_as accent sensitive 区分重音
_ci case insensitive 不区分大小写
_cs case sensitive 区分大小写
_bin binary 以二进制方式比较
服务器级别

设置：

  • 在启动服务器时通过启动选项，使用 SET 修改

  • 在服务器运行过程中使用 SET 修改

  • 在配置文件中修改

    [server]
character_set_server=gbk
collation_server=gbk_chinese_ci

查看字符集：SHOW VARIABLES LIKE 'character_set_server'; 查看比较规则：SHOW VARIABLES LIKE 'collation_server';

数据库级别

创建时指定 :

CREATE DATABASE 数据库名
    [[DEFAULT] CHARACTER SET 字符集名称]
    [[DEFAULT] COLLATE 比较规则名称];

修改时指定 :

ALTER DATABASE 数据库名
    [[DEFAULT] CHARACTER SET 字符集名称]
    [[DEFAULT] COLLATE 比较规则名称];

查看字符集：SHOW VARIABLES LIKE 'character_set_database'; 查看比较规则：SHOW VARIABLES LIKE 'collation_database';

表级别

创建时指定：

CREATE TABLE 表名 (列的信息)
    [[DEFAULT] CHARACTER SET 字符集名称]
    [COLLATE 比较规则名称]]

修改时指定：

ALTER TABLE 表名
    [[DEFAULT] CHARACTER SET 字符集名称]
    [COLLATE 比较规则名称]
列级别

创建时指定：

CREATE TABLE 表名(
    列名 字符串类型 [CHARACTER SET 字符集名称] [COLLATE 比较规则名称],
    其他列...
);

修改时指定：

ALTER TABLE 表名 MODIFY 列名 字符串类型 [CHARACTER SET 字符集名称] [COLLATE 比较规则名称];

在转换列的字符集时需要注意，如果转换前列中存储的数据不能用转换后的字符集进行表示会发生错误。

仅修改字符集或仅修改比较规则
  • 只修改字符集，则比较规则将变为修改后的字符集默认的比较规则。
  • 只修改比较规则，则字符集将变为修改后的比较规则对应的字符集。
字符集的转换

客户端向服务端发送请求到返回结果的过程中会进行多次字符集的转换，在这个过程中会用到如下 3 个系统变量。

系统变量 描述
character_set_client 服务器解码请求时使用的字符集
character_set_connection 服务器处理请求时会把请求字符串从 character_set_client 转为 character_set_connection
character_set_results 服务器向客户端返回数据时使用的字符集

通过如下语句可以将这 3 个系统变量的值设置成一样，而不需要去单独设置：

SET NAMES 字符集名

也可以在配置文件中设置：

[client]
default-character-set=utf8