MySQL字符集与排序规则

字符集（character set）可以理解为符号（symbols）与编码（encoding）的集合，而排序规则（collation）则是指用来比较字符集中所有字符的规则。MySQL支持多种字符集，用于存储数据、比较字符串、以及客户端程序与MySQL服务器之间的通信。MySQL支持在以下五个层级设定字符集：

• 服务器（server）
• 数据库（database）
• 表（table）
• 列（column）
• 字符串字面常量（string literal）

MySQL支持的字符集

字符集与排序规则

执行下面的命令查看MySQL支持的字符集：

--方法1
> SELECT * FROM INFORMATION_SCHEMA.CHARACTER_SETS;
--方法2
> SHOW CHARCATER SET;
> SHOW CHARACTER SET LIKE 'latin%';
+---------+-----------------------------+-------------------+--------+
| Charset | Description                 | Default collation | Maxlen |
+---------+-----------------------------+-------------------+--------+
| latin1  | cp1252 West European        | latin1_swedish_ci |      1 |
| latin2  | ISO 8859-2 Central European | latin2_general_ci |      1 |
| latin5  | ISO 8859-9 Turkish          | latin5_turkish_ci |      1 |
| latin7  | ISO 8859-13 Baltic          | latin7_general_ci |      1 |
+---------+-----------------------------+-------------------+--------+

每个字符集支持至少一种排序规则。执行下面的命令来查看某个字符集支持的排序规则：

--方法1
> SELECT COLLATION_NAME FROM INFORMATION_SCHEMA.COLLATIONS
  WHERE CHARACTER_SET_NAME LIKE 'utf8';
--方法2
> SHOW COLLATION WHERE Charset = 'latin1';
+-------------------+---------+----+---------+----------+---------+
| Collation         | Charset | Id | Default | Compiled | Sortlen |
+-------------------+---------+----+---------+----------+---------+
| latin1_german1_ci | latin1  |  5 |         | Yes      |       1 |
| latin1_swedish_ci | latin1  |  8 | Yes     | Yes      |       1 |
| latin1_danish_ci  | latin1  | 15 |         | Yes      |       1 |
| latin1_german2_ci | latin1  | 31 |         | Yes      |       2 |
| latin1_bin        | latin1  | 47 |         | Yes      |       1 |
| latin1_general_ci | latin1  | 48 |         | Yes      |       1 |
| latin1_general_cs | latin1  | 49 |         | Yes      |       1 |
| latin1_spanish_ci | latin1  | 94 |         | Yes      |       1 |
+-------------------+---------+----+---------+----------+---------+

排序规则具有以下特点：

• 一种排序规则最多只能关联一种字符集，即两个字符集不会有相同的排序规则；
• 每个字符集都有一种默认的排序规则；
• 排序规则的名称以它关联的字符集名称开头，再加上一些能表名其排序特性的后缀结束。

排序规则的命名

排序规则的名称以它关联的字符集名称开头，加上一个或多个后缀结束。后缀可以指明排序规则支持的语言、以及是否大小写敏感（case sensitive/insensitive）、声调/重音敏感（accent sensitive/insensitive），等等。例如

• utf8_general_ci：utf8字符集的通用排序规则，大小写不敏感；
• utf8_turkish_ci：utf8字符集、土耳其语的排序规则，大小写不敏感；
• latin1_general_cs：latin1字符集的通用排序规则，大小写敏感。

使用字符集与排序规则

服务器级别的字符集

MySQL服务器级别的默认字符集和排序规则分别是latin1和latin1_swedish_ci。

使用mysqld命令初始化服务器时可以指定字符集和排序规则。

#方法一
$ mysqld --character-set-server=utf8
#方法二
$ mysqld --character-set-server=utf8 --collation-server=utf8_general_ci

如果仅指定了字符集，则会采用默认的排序规则。因此上面两次执行的命令是等价的。

查看当前服务器级别的字符集信息：

> show [global|session] variables like 'character_set_server';
> show [global|session] variables like 'collation_server';

如果在使用CREATE DATABASE命令创建数据库时，没有指定字符集和排序规则，则会默认使用服务器级别的字符集和排序规则。

数据库级别的字符集

在创建数据库时指定字符集和排序规则：

> CREATE DATABASE db_name
    [[DEFAULT] CHARACTER SET charset_name]
    [[DEFAULT] COLLATE collation_name];

修改数据库的字符集和排序规则：

> ALTER DATABASE db_name
    [[DEFAULT] CHARACTER SET charset_name]
    [[DEFAULT] COLLATE collation_name];

在上面的命令中，中括号表示非必选项。

• 如果仅指定了字符集，则会使用默认的排序规则；
• 如果仅指定了排序规则，则会使用其关联的字符集；
• 如果字符集和排序规则都未指定，则会使用服务器级别的字符集和排序规则。

查看指定数据库的字符集和排序规则：

USE db_name;
SELECT @@character_set_database, @@collation_database;

或者

SELECT DEFAULT_CHARACTER_SET_NAME, DEFAULT_COLLATION_NAME
       FROM INFORMATION_SCHEMA.SCHEMATA WHERE SCHEMA_NAME = 'db_name';

数据库级别的字符集和排序规则具有以下影响：

• 在使用CREATE TABLE命令创建表时，如果没有指定字符集和排序规则，则会默认使用数据库级别的字符集和排序规则；
• 在使用LOAD DATA导入数据时，如果没有指定字符集，则会默认使用数据库级别的字符集；
• 在创建存储过程或者函数时，declare的参数如果没有指定字符集和排序规则，则会默认使用创建该存储过程/函数时、数据库级别的字符集和排序规则。

表级别的字符集

在创建表时指定字符集和排序规则：

> CREATE TABLE tbl_name (column_list)
    [[DEFAULT] CHARACTER SET charset_name]
    [COLLATE collation_name]];

修改表的字符集和排序规则：

> ALTER TABLE tbl_name
    [[DEFAULT] CHARACTER SET charset_name]
    [COLLATE collation_name];

在上面的命令中

• 如果仅指定了字符集，则会使用默认的排序规则；
• 如果仅指定了排序规则，则会使用其关联的字符集；
• 如果字符集和排序规则都未指定，则会使用数据库级别的字符集和排序规则。

如果表中的列没有定义字符集和排序规则，则会使用表级别的字符集和排序规则作为默认值。

列级别的字符集

字符类型的列，比如char、varchar、text等，也可以定义自己的字符集和排序规则。

在创建表时指定列的字符集：

> CREATE TABLE t1
(
      col1 VARCHAR(5)
      CHARACTER SET latin1
      COLLATE latin1_german1_ci
);

修改列的字符集：

> ALTER TABLE t1 MODIFY
      col1 VARCHAR(5)
      CHARACTER SET latin1
      COLLATE latin1_swedish_ci;

注：如果修改前后的字符集不兼容，可能会丢失数据。

在上面的命令中

• 如果仅指定了字符集，则会使用默认的排序规则；
• 如果仅指定了排序规则，则会使用其关联的字符集；
• 如果字符集和排序规则都未指定，则会使用表级别的字符集和排序规则。

字符串级别的字符集

SQL语句SELECT 'string'中，字符串string的默认字符集和排序规则分别由系统变量charcater_set_connection和collation_connection定义。

可以使用introducer（_charset_name）来指定字符串字面常量的字符集和排序规则：

SELECT 'abc';
SELECT _latin1'abc';   --指定字符集
SELECT _utf8'abc' COLLATE utf8_danish_ci;   --指定字符集和排序规则

同样地

• 如果仅指定了字符集，则会使用默认的排序规则；
• 如果仅指定了排序规则，则会使用其关联的字符集；
• 如果字符集和排序规则都未指定，则会使用charcater_set_connection和collation_connection定义的字符集和排序规则。

National字符集

标准SQL中定义了NCHAR或者NATIONAL CHAR来作为CHAR类型的列应该使用的预定义的字符集。MySQL使用utf8作为预定义的字符集。

因此，下面的语句是等价的：

SELECT N'some text';
SELECT n'some text';
SELECT _utf8'some text';

References
【1】Character Sets and Collations in MySQL