Mysql系列（四） —— MySQL的Charset和Collation
本文转载自：再见乱码：5分钟读懂MySQL字符集设置
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_name | 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。
