mysql字符集和校对规则

mysql字符集和校对规则

字符集的概念大家都清楚，校对规则很多人不了解，一般数据库开发中也用不到这个概念，mysql在这方便貌似很先进，大概介绍一下。
简要说明
字符集和校对规则

字符集是一套符号和编码。 校对规则是在字符集内用于比较字符的一套规则。

MySql在collation提供较强的支持，oracel在这方面没查到相应的资料。

不同字符集有不同的校对规则，命名约定：以其相关的字符集名开始，通常包括一个语言名，并且以_ci（大小写不敏感）、_cs（大小写敏感）或_bin（二元）结束

校对规则一般分为两类：

binary collation，二元法，直接比较字符的编码，可以认为是区分大小写的，因为字符集中'A'和'a'的编码显然不同。

字符集_语言名，utf8默认校对规则是utf8_general_ci

mysql字符集和校对规则有4个级别的默认设置：服务器级、数据库级、表级和连接级。

具体来说，我们系统使用的是utf8字符集，如果使用utf8_bin校对规则执行sql查询时区分大小写，使用utf8_general_ci 不区分大小写。不要使用utf8_unicode_ci。

如create database demo CHARACTER SET utf8; 默认校对规则是utf8_general_ci 。

 

Unicode与UTF8

Unicode只是一个符号集，它只规定了符号的二进制代码，却没有规定这个二进制代码应该如何存储.

UTF8字符集是存储Unicode数据的一种可选方法。 mysql同时支持另一种实现ucs2。

详细说明

字符集(charset)：是一套符号和编码。
校对规则(collation)：是在字符集内用于比较字符的一套规则，比如定义'A'<'B'这样的关系的规则。不同collation可以实现不同的比较规则，如'A'='a'在有的规则中成立，而有的不成立；进而说，就是有的规则区分大小写，而有的无视。
每个字符集有一个或多个校对规则，并且每个校对规则只能属于一个字符集。

binary collation，二元法，直接比较字符的编码，可以认为是区分大小写的，因为字符集中'A'和'a'的编码显然不同。除此以外，还有更加复杂的比较规则，这些规则在简单的二元法之上增加一些额外的规定，比较就更加复杂了。
mysql5.1在字符集和校对规则的使用比其它大多数数据库管理系统超前许多，可以在任何级别进行使用和设置，为了有效地使用这些功能，你需要了解哪些字符集和 校对规则是可用的，怎样改变默认值，以及它们怎样影响字符操作符和字符串函数的行为。

校对规则一般有这些特征：

 两个不同的字符集不能有相同的校对规则。
 每个字符集有一个默认校对规则。例如，utf8默认校对规则是utf8_general_ci。
 存在校对规则命名约定：它们以其相关的字符集名开始，通常包括一个语言名，并且以_ci（大小写不敏感）、_cs（大小写敏感）或_bin（二元）结束

确定默认字符集和校对
 字符集和校对规则有4个级别的默认设置：服务器级、数据库级、表级和连接级。
 数据库字符集和校对
 每一个数据库有一个数据库字符集和一个数据库校对规则，它不能够为空。CREATE DATABASE和ALTER DATABASE语句有一个可选的子句来指定数据库字符集和校对规则：
 例如：
 CREATE DATABASE db_name    DEFAULT CHARACTER SET latin1 COLLATE latin1_swedish_ci;
 MySQL这样选择数据库字符集和数据库校对规则：
·         如果指定了CHARACTER SET X和COLLATE Y，那么采用字符集X和校对规则Y。
·         如果指定了CHARACTER SET X而没有指定COLLATE Y，那么采用CHARACTER SET X和CHARACTER SET X的默认校对规则。
·         否则，采用服务器字符集和服务器校对规则。
在SQL语句中使用COLLATE
•使用COLLATE子句，能够为一个比较覆盖任何默认校对规则。COLLATE可以用于多种SQL语句中。
使用WHERE：
 select * from pro_product where product_code='ABcdefg' collate utf8_general_ci
Unicode与UTF8
Unicode只是一个符号集，它只规定了符号的二进制代码，却没有规定这个二进制代码应该如何存储.Unicode码可以采用UCS-2格式直接存储.mysql支持ucs2字符集。
UTF-8就是在互联网上使用最广的一种unicode的实现方式。其他实现方式还包括UTF-16和UTF-32，不过在互联网上基本不用。
UTF8字符集（转换Unicode表示）是存储Unicode数据的一种可选方法。它根据 RFC 3629执行。UTF8字符集的思想是不同Unicode字符采用变长字节序列编码：
·         基本拉丁字母、数字和标点符号使用一个字节。
·         大多数的欧洲和中东手写字母适合两个字节序列：扩展的拉丁字母（包括发音符号、长音符号、重音符号、低音符号和其它音符）、西里尔字母、希腊语、亚美尼亚语、希伯来语、阿拉伯语、叙利亚语和其它语言。
·         韩语、中文和日本象形文字使用三个字节序列。