一、内容概述
在MySQL的使用过程中,了解字符集、字符序的概念,以及不同设置对数据存储、比较的影响非常重要。不少同学在日常工作中遇到的“乱码”问题,很有可能就是因为对字符集与字符序的理解不到位、设置错误造成的。
本文由浅入深,分别介绍了如下内容:
- 字符集、字符序的基本概念及联系
- MySQL支持的字符集、字符序设置级,各设置级别之间的联系
- server、database、table、column级字符集、字符序的查看及设置
- 应该何时设置字符集、字符序
二、字符集、字符序的概念与联系
在数据的存储上,MySQL提供了不同的字符集支持。而在数据的对比操作上,则提供了不同的字符序支持。
MySQL提供了不同级别的设置,包括server级、database级、table级、column级,可以提供非常精准的设置。
什么是字符集、字符序?简单的来说:
- 字符集(character set):定义了字符以及字符的编码。
- 字符序(collation):定义了字符的比较规则。
举个例子:
有四个字符:A、B、a、b,这四个字符的编码分别是A = 0, B = 1, a = 2, b = 3。这里的字符 + 编码就构成了字符集(character set)。
如果我们想比较两个字符的大小呢?比如A、B,或者a、b,最直观的比较方式是采用它们的编码,比如因为0 < 1,所以 A < B。
另外,对于A、a,虽然它们编码不同,但我们觉得大小写字符应该是相等的,也就是说 A == a。
这上面定义了两条比较规则,这些比较规则的集合就是collation。
- 同样是大写字符、小写字符,则比较他们的编码大小;
- 如果两个字符为大小写关系,则它们相等。
三、MySQL支持的字符集、字符序
MySQL支持多种字符集 与 字符序。
- 一个字符集对应至少一种字符序(一般是1对多)。
- 两个不同的字符集不能有相同的字符序。
- 每个字符集都有默认的字符序。
上面说的比较抽象,我们看下后面几个小节就知道怎么回事了。
1、查看支持的字符集
可以通过以下方式查看MYSQL支持的字符集。
方式一:
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 |
...省略
方式二:
mysql> use information_schema;
mysql> select * from 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 |
...省略
当使用SHOW CHARACTER SET
查看时,也可以加上WHERE
或LIKE
限定条件。
例子一:使用WHERE
限定条件。
mysql> SHOW CHARACTER SET WHERE Charset="utf8";
+---------+---------------+-------------------+--------+
| Charset | Description | Default collation | Maxlen |
+---------+---------------+-------------------+--------+
| utf8 | UTF-8 Unicode | utf8_general_ci | 3 |
+---------+---------------+-------------------+--------+
1 row in set (0.00 sec)
例子二:使用LIKE
限定条件。
mysql> SHOW CHARACTER SET LIKE "utf8%";
+---------+---------------+--------------------+--------+
| Charset | Description | Default collation | Maxlen |
+---------+---------------+--------------------+--------+
| utf8 | UTF-8 Unicode | utf8_general_ci | 3 |
| utf8mb4 | UTF-8 Unicode | utf8mb4_general_ci | 4 |
+---------+---------------+--------------------+--------+
2 rows in set (0.00 sec)
2、查看支持的字符序
类似的,可以通过如下方式查看MYSQL支持的字符序。
方式一:通过SHOW COLLATION
进行查看。
可以看到,utf8
字符集有超过10种字符序。通过Default
的值是否为Yes
,判断是否默认的字符序。
mysql> SHOW COLLATION WHERE Charset = 'utf8';
+--------------------------+---------+-----+---------+----------+---------+
| Collation | Charset | Id | Default | Compiled | Sortlen |
+--------------------------+---------+-----+---------+----------+---------+
| utf8_general_ci | utf8 | 33 | Yes | Yes | 1 |
| utf8_bin | utf8 | 83 | | Yes | 1 |
...略
方式二:查询information_schema.COLLATIONS
。
mysql> USE information_schema;
mysql> SELECT * FROM COLLATIONS WHERE CHARACTER_SET_NAME="utf8";
+--------------------------+--------------------+-----+------------+-------------+---------+
| COLLATION_NAME | CHARACTER_SET_NAME | ID | IS_DEFAULT | IS_COMPILED | SORTLEN |
+--------------------------+--------------------+-----+------------+-------------+---------+
| utf8_general_ci | utf8 | 33 | Yes | Yes | 1 |
| utf8_bin | utf8 | 83 | | Yes | 1 |
| utf8_unicode_ci | utf8 | 192 | | Yes | 8 |
3、字符序的命名规范
字符序的命名,以其对应的字符集作为前缀,如下所示。比如字符序utf8_general_ci
,标明它是字符集utf8
的字符序。
更多规则可以参考 官方文档。
MariaDB [information_schema]> SELECT CHARACTER_SET_NAME, COLLATION_NAME FROM COLLATIONS WHERE CHARACTER_SET_NAME="utf8" limit 2;
+--------------------+-----------------+
| CHARACTER_SET_NAME | COLLATION_NAME |
+--------------------+-----------------+
| utf8 | utf8_general_ci |
| utf8 | utf8_bin |
+--------------------+-----------------+
2 rows in set (0.00 sec)
四、server的字符集、字符序
用途:当你创建数据库,且没有指定字符集、字符序时,server字符集、server字符序就会作为该数据库的默认字符集、排序规则。
如何指定:MySQL服务启动时,可通过命令行参数指定。也可以通过配置文件的变量指定。
server默认字符集、字符序:在MySQL编译的时候,通过编译参数指定。
character_set_server
、collation_server
分别对应server字符集、server字符序。
1、查看server字符集、字符序
分别对应character_set_server
、collation_server
两个系统变量。
mysql> SHOW VARIABLES LIKE "character_set_server";
mysql> SHOW VARIABLES LIKE "collation_server";
2、启动服务时指定
可以在MySQL服务启动时,指定server字符集、字符序。如不指定,默认的字符序分别为latin1
、latin1_swedish_ci
mysqld --character-set-server=latin1 \
--collation-server=latin1_swedish_ci
单独指定server字符集,此时,server字符序为latin1
的默认字符序latin1_swedish_ci
。
mysqld --character-set-server=latin1
3、配置文件指定
除了在命令行参数里指定,也可以在配置文件里指定,如下所示。
[client]
default-character-set=utf8
[mysql]
default-character-set=utf8
[mysqld]
collation-server = utf8_unicode_ci
init-connect='SET NAMES utf8'
character-set-server = utf8
4、运行时修改
例子:运行时修改(重启后会失效,如果想要重启后保持不变,需要写进配置文件里)
mysql> SET character_set_server = utf8 ;
5、编译时指定默认字符集、字符序
character_set_server
、collation_server
的默认值,可以在MySQL编译时,通过编译选项指定:
cmake . -DDEFAULT_CHARSET=latin1 \
-DDEFAULT_COLLATION=latin1_german1_ci
五、database的字符集、字符序
用途:指定数据库级别的字符集、字符序。同一个MySQL服务下的数据库,可以分别指定不同的字符集/字符序。
1、设置数据的字符集/字符序
可以在创建、修改数据库的时候,通过CHARACTER SET
、COLLATE
指定数据库的字符集、排序规则。
创建数据库:
CREATE DATABASE db_name
[[DEFAULT] CHARACTER SET charset_name]
[[DEFAULT] COLLATE collation_name]
修改数据库:
ALTER DATABASE db_name
[[DEFAULT] CHARACTER SET charset_name]
[[DEFAULT] COLLATE collation_name]
例子:创建数据库test_schema
,字符集设置为utf8
,此时默认的排序规则为utf8_general_ci
。
CREATE DATABASE `test_schema` DEFAULT CHARACTER SET utf8;
2、查看数据库的字符集/字符序
有3种方式可以查看数据库的字符集/字符序。
例子一:查看test_schema
的字符集、排序规则。(需要切换默认数据库)
mysql> use test_schema;
Database changed
mysql> SELECT @@character_set_database, @@collation_database;
+--------------------------+----------------------+
| @@character_set_database | @@collation_database |
+--------------------------+----------------------+
| utf8 | utf8_general_ci |
+--------------------------+----------------------+
1 row in set (0.00 sec)
例子二:也可以通过下面命令查看test_schema
的字符集、数据库(不需要切换默认数据库)
mysql> SELECT SCHEMA_NAME, DEFAULT_CHARACTER_SET_NAME, DEFAULT_COLLATION_NAME FROM information_schema.SCHEMATA WHERE schema_name="test_schema";
+-------------+----------------------------+------------------------+
| SCHEMA_NAME | DEFAULT_CHARACTER_SET_NAME | DEFAULT_COLLATION_NAME |
+-------------+----------------------------+------------------------+
| test_schema | utf8 | utf8_general_ci |
+-------------+----------------------------+------------------------+
1 row in set (0.00 sec)
例子三:也可以通过查看创建数据库的语句,来查看字符集。
mysql> SHOW CREATE DATABASE test_schema;
+-------------+----------------------------------------------------------------------+
| Database | Create Database |
+-------------+----------------------------------------------------------------------+
| test_schema | CREATE DATABASE `test_schema` /*!40100 DEFAULT CHARACTER SET utf8 */ |
+-------------+----------------------------------------------------------------------+
1 row in set (0.00 sec)
3、database字符集、字符序是怎么确定的
- 创建数据库时,指定了
CHARACTER SET
或COLLATE
,则以对应的字符集、排序规则为准。 - 创建数据库时,如果没有指定字符集、排序规则,则以
character_set_server
、collation_server
为准。
六、table的字符集、字符序
创建表、修改表的语法如下,可通过CHARACTER SET
、COLLATE
设置字符集、字符序。
CREATE TABLE tbl_name (column_list)
[[DEFAULT] CHARACTER SET charset_name]
[COLLATE collation_name]]
ALTER TABLE tbl_name
[[DEFAULT] CHARACTER SET charset_name]
[COLLATE collation_name]
1、创建table并指定字符集/字符序
例子如下,指定字符集为utf8
,字符序则采用默认的。
CREATE TABLE `test_schema`.`test_table` (
`id` INT NOT NULL COMMENT '',
PRIMARY KEY (`id`) COMMENT '')
DEFAULT CHARACTER SET = utf8;
2、查看table的字符集/字符序
同样,有3种方式可以查看table的字符集/字符序。
方式一:通过SHOW TABLE STATUS
查看table状态,注意Collation
为utf8_general_ci
,对应的字符集为utf8
。
MariaDB [blog]> SHOW TABLE STATUS FROM test_schema \G;
*************************** 1. row ***************************
Name: test_table
Engine: InnoDB
Version: 10
Row_format: Compact
Rows: 0
Avg_row_length: 0
Data_length: 16384
Max_data_length: 0
Index_length: 0
Data_free: 11534336
Auto_increment: NULL
Create_time: 2018-01-09 16:10:42
Update_time: NULL
Check_time: NULL
Collation: utf8_general_ci
Checksum: NULL
Create_options:
Comment:
1 row in set (0.00 sec)
方式二:查看information_schema.TABLES
的信息。
mysql> USE test_schema;
mysql> SELECT TABLE_COLLATION FROM information_schema.TABLES WHERE TABLE_SCHEMA = "test_schema" AND TABLE_NAME = "test_table";
+-----------------+
| TABLE_COLLATION |
+-----------------+
| utf8_general_ci |
+-----------------+
方式三:通过SHOW CREATE TABLE
确认。
mysql> SHOW CREATE TABLE test_table;
+------------+----------------------------------------------------------------------------------------------------------------+
| Table | Create Table |
+------------+----------------------------------------------------------------------------------------------------------------+
| test_table | CREATE TABLE `test_table` (
`id` int(11) NOT NULL,
PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8 |
+------------+----------------------------------------------------------------------------------------------------------------+
1 row in set (0.00 sec)
3、table字符集、字符序如何确定
假设CHARACTER SET
、COLLATE
的值分别是charset_name
、collation_name
。如果创建table时:
- 明确了
charset_name
、collation_name
,则采用charset_name
、collation_name
。 - 只明确了
charset_name
,但collation_name
未明确,则字符集采用charset_name
,字符序采用charset_name
对应的默认字符序。 - 只明确了
collation_name
,但charset_name
未明确,则字符序采用collation_name
,字符集采用collation_name
关联的字符集。 -
charset_name
、collation_name
均未明确,则采用数据库的字符集、字符序设置。
七、column的字符集、排序
类型为CHAR、VARCHAR、TEXT的列,可以指定字符集/字符序,语法如下:
col_name {CHAR | VARCHAR | TEXT} (col_length)
[CHARACTER SET charset_name]
[COLLATE collation_name]
1、新增column并指定字符集/排序规则
例子如下:(创建table类似)
mysql> ALTER TABLE test_table ADD COLUMN char_column VARCHAR(25) CHARACTER SET utf8;
2、查看column的字符集/字符序
例子如下:
mysql> SELECT CHARACTER_SET_NAME, COLLATION_NAME FROM information_schema.COLUMNS WHERE TABLE_SCHEMA="test_schema" AND TABLE_NAME="test_table" AND COLUMN_NAME="char_column";
+--------------------+-----------------+
| CHARACTER_SET_NAME | COLLATION_NAME |
+--------------------+-----------------+
| utf8 | utf8_general_ci |
+--------------------+-----------------+
1 row in set (0.00 sec)
3、column字符集/排序规则确定
假设CHARACTER SET
、COLLATE
的值分别是charset_name
、collation_name
:
- 如果
charset_name
、collation_name
均明确,则字符集、字符序以charset_name
、collation_name
为准。 - 只明确了
charset_name
,collation_name
未明确,则字符集为charset_name
,字符序为charset_name
的默认字符序。 - 只明确了
collation_name
,charset_name
未明确,则字符序为collation_name
,字符集为collation_name
关联的字符集。 -
charset_name
、collation_name
均未明确,则以table的字符集、字符序为准。
八、选择:何时设置字符集、字符序
一般来说,可以在三个地方进行配置:
- 创建数据库的时候进行配置。
- mysql server启动的时候进行配置。
- 从源码编译mysql的时候,通过编译参数进行配置
1、方式一:创建数据库的时候进行配置
这种方式比较灵活,也比较保险,它不依赖于默认的字符集/字符序。当你创建数据库的时候指定字符集/字符序,后续创建table、column的时候,如果不特殊指定,会继承对应数据库的字符集/字符序。
CREATE DATABASE mydb
DEFAULT CHARACTER SET utf8
DEFAULT COLLATE utf8_general_ci;
2、方式二:mysql server启动的时候进行配置
可以添加以下配置,这样mysql server启动的时候,会对character-set-server、collation-server进行配置。
当你通过mysql client创建database/table/column,且没有显示声明字符集/字符序,那么就会用character-set-server/collation-server作为默认的字符集/字符序。
另外,client、server连接时的字符集/字符序,还是需要通过SET NAMES进行设置。
[mysqld]
character-set-server=utf8
collation-server=utf8_general_ci
3、方式三:从源码编译mysql的时候,通过编译参数进行设置
编译的时候如果指定了-DDEFAULT_CHARSET
和-DDEFAULT_COLLATION
,那么:
- 创建database、table时,会将其作为默认的字符集/字符序。
- client连接server时,会将其作为默认的字符集/字符序。(不用单独SET NAMES)
shell> cmake . -DDEFAULT_CHARSET=utf8 \
-DDEFAULT_COLLATION=utf8_general_ci
九、写在后面
本文较为详细地介绍了MySQL中字符集、字符序相关的内容,这部分内容主要针对的是数据的存储与比较。其实还有很重要的一部分内容还没涉及:针对连接的字符集、字符序设置。
由于连接的字符集、字符序设置不当导致的乱码问题也非常多,这部分内容展开来讲内容也不少,放在下一篇文章进行讲解。
篇幅所限,有些内容没有细讲,感兴趣的同学欢迎交流,或者查看官方文档。如有错漏,敬请指出。
十、相关链接
10.1 Character Set Support
https://dev.mysql.com/doc/refman/5.7/en/charset.html