字符集和比较规则级别介绍

下面到了本文的重点，MySQL 有4个级别的字符集和比较规则，分别是:

• 服务器级别：启动的时候根据配置或者数据库默认规则生成字符集和比较规则
• 数据库级别：数据库的系统变量为只读，修改数据库字符集和比较规则需要保证数据兼容。
• 表级别：表级别比较规则默认跟随数据库，修改字符集同样需要保证数据兼容，否则会报错。
• 列级别：不建议关注，只需了解即可，通常没有人会去单独改某一列的字符集

当然这些特点只是简单列举，下面会按照实际的案例进行一一阐述。

服务器级别规则

MySQL 提供了两个系统变量来表示服务器级别的字符集和比较规则：

• Character_set_server：服务器级别的字符集
• Collation_server：服务器级别的比较规则

下面是具体的案例：

mysql> show variables like 'character_set_server';
character_set_server  utf8mb4
mysql> SHOW VARIABLES LIKE 'collation_server';
collation_server  utf8mb4_0900_ai_ci

可以看到这里是标记为utf8mb4，但是如果这里显示是utf8，其实本质上是utf8mb3。最后可以看到上面服务器级别的字符集为utfmb4，而服务器级别的比较规则为：utf8mb4_0900_ai_ci，不过有些人可能是输出：utf8_general_ci

设置字符集和比较规则：

如果想要设置服务器级别的字符集和比较规则，可以使用如下的方式，上一节关于mysql的系统配置中说过可以设置配置文件的内容如下，注意需要分配到[server]的组下面：

[server]
 character_set_server=gbk
 collation_server=gbk_chinese_ci

数据库级别规则

我们在创建数据库的时候更多的时候使用create database 数据名，但是使用这种语法创建的数据库使用为配置文件配置的字符集和比较规则，下面我们来了解一下如何创建自定义的比较规则和字符集的数据库。

自定义创建数据库字符集和比较规则：

下面是创建自定义数据库级别的字符集和比较规则的语法，当然如果不小心建错了字符集，可以使用alter database来进行修改

create database 数据库名称
  [[DEFAULT] CHARACTER SET 字符集名称]
  [[DEFAULT] COLLATE 比较规则名称];
alter database 数据库名
  [[DEFAULT] CHARACTER SET 字符集名称]
  [[DEFAULT] COLLATE 比较规则名称];

下面为实际的操作案例以及具体的操作效果：

CREATE DATABASE charset_demo_db
         CHARACTER SET gb2312
        COLLATE gb2312_chinese_ci;

关于上面的参数[DEFAULT]可以进行忽略，如果我们想要查看当前的数据库比较规则，可以使用下面两个 系统变量进行查看：(前提是使用 USE 语句选择当前默认数据库，如果没有默认数据库，则变量与相应的服务器级别的系统变量具有相同的值)

• character_set_database：当前数据库字符集
• Collation_database：当前数据库比较规则

下面为具体的案例：

> 如果没有use database，则会显示下面的内容（个人测试）
character_set_database  utf8mb3
> use charset_demo_db;
> show variables like 'character_set_database';
character_set_database  gb2312
> show variables LIKE 'collation_database';
collation_database  gb2312_chinese_ci

可以看到charset_demo_db使用的还是创建的时候默认的字符集和比较规则，这里有一个需要注意的点是数据库级别的系统变量是只读的，也就意味着character_set_database和collation_database是只读的，不能修改这两个参数修改字符集和比较规则。但是我们可以使用alter database命令修改数据库的级别。

最后，如果不指定字符集和比较规则，这样的话将使用服务器级别的字符集和比较规则作为数据库的字符集和比较规则。

表级别规则

下面我们来看下表级别的规则，表级别顾名思义就是在创建表的时候我们可以追定字符集和字符的比较规则，具体的命令记忆也就是把数据库换成表而已，这里有读者可能注意到的是不能使用charset替代，只有character set这一个写法：

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

下面我们来看下具体的案例：

create table test(
  id int auto_increment primary key
) character set utf8mb4 
COLLATE utf8mb4_0900_ai_ci

之前说过，如果你在创建表的时候没有制定字符集和比较规则，默认会使用所在数据库的字符集和比较规则，这个规则比较好理解，因为你在哪个地盘构建表用哪个地盘的配置也合情合理。

下面是关于数据表的字符集查看规则的语法：

查看数据表的字符集：show table status from '数据库名称' like '数据表名称';

除此之外，还有一种方法：SELECT TABLE_SCHEMA, TABLE_NAME,TABLE_COLLATION FROM INFORMATION_SCHEMA.TABLES where TABLE_NAME = '数据表名称'，通过这样的sql也可以推断出具体的字符集。

> show table status from bank like 'admin';
admin InnoDB  10  Dynamic 0 0 16384 0 0 0 1 2021-11-21 09:23:52     utf8_general_ci   
> use bank;
> SELECT TABLE_SCHEMA, TABLE_NAME,TABLE_COLLATION FROM INFORMATION_SCHEMA.TABLES where TABLE_NAME = 'status';
TABLE_SCHEMA  TABLE_NAME    TABLE_COLLATION
bank          status        utf8_general_ci

这里将数据库bank里面的admin表拿出来看了一下，可以看到具体的比较规则是utf8_general_ci，所以可以肯定字符集是utf8。（注意不是utf8mb4）

列级别规则

列级别规则我相信也没有多少人会去关注，在同一个表中其实是可以存在多个字符集和比较规则的，如果我们想要在列中指定字符集，可以使用如下的语法：

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...
);

如果想要修改某一个列的字符集或者比较规则，使用如下的语法：

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];

下面是一个案例：

ALTER TABLE t MODIFY col VARCHAR(10) CHARACTER SET gbk COLLATE gbk_chinese_ci;

最后提醒一遍，尽量保持一张表使用同一个字符集，不然很有可能出现各种莫名其妙的问题，比如你如果不小心把汉字存放在不支持的字符集，就会出现乱码的情况。另外，如果列没有指定字符集，毫无疑问会使用表所在的字符集和比较规则。

补充：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，就好比上面说的汉字存储在不兼容的字符集的时候就会出现报错。

最后是查看列的字符集：

show full columns from '表名称' like '列名';

字符集和比较规则的联动

我们在使用navicat创建字符集的时候，会有一种切换的效果，就是我们选择某一个字符集之后就会出现对应的比较规则，但是如果我们选择比较规则再选字符集，这么做是行不通滴，为了验证我们来看下面对应的截图内容：

选择比较规则再选字符集：

选择字符集再选择比较规则：

所以，关于字符集和比较规则的变更规则如下（适用于所有级别的字符集和比较规则）：

• 只修改字符集，比较规则会变更为变更之后的字符集默认的比较规则
• 只修改比较规则，字符集变为修改比较规则之后的字符集

各级别字符集和比较规则小结

下面我们来看下从启动服务器开始我们创建字符集和比较规则的默认规则是什么，注意这里前提是 创建的时候没有显式指定字符集和比较规则：

• 列默认会使用表的字符集和比较规则。
• 表默认使用数据库的字符集和比较规则。
• 数据库默认使用当前启动服务器指定的字符集和比较规则。

通过这样的规则，我们很容易推测出一个某一个列中的字段数据占多少节。

最后，介绍这些规则并不是说需要记忆，因为多数情况你会使用服务器甚至数据库的规则代替一切的默认规则。

总结

为了更好的了解这一篇文章关于四个级别的总结，我做了下面的一个表来帮助自己复习和回顾：

问答题

为什么mysql的utfmb3和utf8mb4两个编码？

在非常早期的时候，Unicode 只用到了 0~0xFFFF 范围的数字编码，这就是 BMP 字符集。所以，最初MySQL在设计之初，也就只涉及了包含BMP 字符集的utfmb3(utf-8)，但是随着文字越来越多，3个字节肯定无法全部表示，于是Unicode支持的字符就更多了。所以在最后我们可以对于mysql的unicode做如下区分：

• 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

写在最后

如果对于内容有疑问或者有错误欢迎指出，个人也将会不断的吸取教训并改进。