mysql 中 character set 与 collation

&. character set， 即字符集。

我们常看到的 utf-8, GB2312, GB18030 都是相互独立的 character set. 即对 Unicode 的一套编码。

 

那么如何理解 unicode 与 utf-8, GB2312 的区别呢？
打个比方，你眼前有一个苹果，在英文里称之为 apple, 而在中文里称之为苹果。
苹果这个实体的概念就是 unicode , 而 utf-8, GB2312 可以认为就是不同语言对苹果的不同称谓，本质上都是在描述苹果这个物。

 

&. collation, 即比对方法。

用于指定数据集如何排序，以及字符串的比对规则。（这样说可能比较抽象，后面会详细解释。）

 

 

character set 与 collation 的关系

 

软件国际化是大势所趋， 所以 unicode 是国际化最佳的选择。当然为了提高性能，有些情况下还是使用 latin1 比较好。

 

mysql 有两个支持 unicode 的 character set:

1. ucs2: 使用 16 bits 来表示一个 unicode 字符。

2. utf8: 使用 1~3 bytes 来表示一个 unicode 字符。

 

选择哪个 character set 视情况而定，例如 utf8 表示 latin 字符只需要一个字节，所以当用户数据大部分为英文等拉丁字符时，使用 utf8 比较节省数据库的存储空间。据说 SQL Server 采用的是 ucs2， 我表示怀疑。  

每个 character set 会对应一定数量的 collation. 查看方法是在 mysql 的 console 下输入：

 

Java代码  

1. mysql> show collation;  

 

我们会看到这样的结果：

 

 

collation 名字的规则可以归纳为这两类：

1. <character set>_<language/other>_<ci/cs>

2. <character set>_bin

 

例如:

utf8_danish_ci

 

ci 是 case insensitive 的缩写， cs 是 case sensitive 的缩写。即，指定大小写是否敏感。

奇怪的是 utf8 字符集对应的 collation 居然没有一个是 cs 的。

 

 

 

那么 utf8_general_ci, utf8_unicode_ci, utf8_danish_ci 有什么区别? 他们各自存在的意义又是什么？

 

同一个 character set 的不同 collation 的区别在于排序、字符春对比的准确度（相同两个字符在不同国家的语言中的排序规则可能是不同的）以及性能。

 

例如：

utf8_general_ci 在排序的准确度上要逊于 utf8_unicode_ci， 当然，对于英语用户应该没有什么区别。但性能上（排序以及比对速度）要略优于 utf8_unicode_ci. 例如前者没有对德语中

 

? = ss

 

的支持。

 

而 utf8_danish_ci 相比 utf8_unicode_ci 增加了对丹麦语的特殊排序支持。

 

 

补充：

 

1. 当表的 character set 是 latin1 时，若字段类型为 nvarchar, 则字段的字符集自动变为 utf8.

可见 database character set, table character set, field character set 可逐级覆盖。

 

2. 在 ci 的 collation 下，如何在比对时区分大小写：

写道 mysql> select * from pet;
+----------+-------+---------+------+------------+-------+
| name | owner | species | sex | birth | death |
+----------+-------+---------+------+------------+-------+
| Whistler | Gwen | bird | NULL | 1997-12-09 | NULL |
| whistler | Gwen | bird | NULL | 1988-09-25 | NULL |
+----------+-------+---------+------+------------+-------+
2 rows in set (0.00 sec)

mysql> select * from pet where name = ‘whistler‘;
+----------+-------+---------+------+------------+-------+
| name | owner | species | sex | birth | death |
+----------+-------+---------+------+------------+-------+
| Whistler | Gwen | bird | NULL | 1997-12-09 | NULL |
| whistler | Gwen | bird | NULL | 1988-09-25 | NULL |
+----------+-------+---------+------+------------+-------+
2 rows in set (0.00 sec)

mysql> select * from pet where binary name = ‘whistler‘;
+----------+-------+---------+------+------------+-------+
| name | owner | species | sex | birth | death |
+----------+-------+---------+------+------------+-------+
| whistler | Gwen | bird | NULL | 1988-09-25 | NULL |
+----------+-------+---------+------+------------+-------+
1 row in set (0.00 sec)

mysql> select * from pet where name = binary ‘whistler‘;
+----------+-------+---------+------+------------+-------+
| name | owner | species | sex | birth | death |
+----------+-------+---------+------+------------+-------+
| whistler | Gwen | bird | NULL | 1988-09-25 | NULL |
+----------+-------+---------+------+------------+-------+
1 row in set (0.00 sec)
 

推荐使用

 

mysql> select * from pet where name = binary ‘whistler‘;

 

这样可以保证当前字段的索引依然有效， 而

 

mysql> select * from pet where binary name = ‘whistler‘;

 

会使索引失效。

-----------------------------------------------------------------------------------------------------------

charset 和 collation 有多个级别的设置：服务器级、数据库级、表级、列级和连接级    www.2cto.com   1.服务器级    查看设置：show global variables like ‘character_set_server‘; 和 show global variables like ‘collation_server‘;    修改设置：在OPTION FILE （/etc/mysql/my.cnf）里设置：     [mysqld]      character_set_server=utf8      collation_server=utf8_general_ci    2. 数据库级     查看设置：select * from information_schema.schemata where schema_name = ‘cookbook‘;     设置：       1.若没有显式设置，则自动使用服务器级的配置       2.显式设置：在创建库时指定         create database playUtf8  DEFAULT CHARACTER SET latin1 COLLATE latin1_swedish_ci;    www.2cto.com   3.表级     查看设置：show create table course;     设置：       1.若没有显式设置，则自动使用数据库级的配置       2.显式设置：在创建表时指定         create table utf ( id int ) default charset=utf8 default collate=utf8_bin;    4.列级     查看设置：show create table course;     设置：       1.若没有显式设置，则自动使用表级的配置       2.显式设置：         CREATE TABLE Table1(column1 VARCHAR(5) CHARACTER SET latin1 COLLATE latin1_german1_ci);    5.连接级别    查看设置：       show variables like ‘character_set_client‘;  # 服务端使用这个编码来理解客户端发来的statements       show variables like ‘character_set_connection‘ ; # 我还不知道什么意思，等看了mysql源码再说       show variables like ‘character_set_results‘; # 服务端使用这个编码回送结果集和错误信息    设置：       客户端在连接时可以指定这些参数；同时，服务端也提供了一个Global范围的值，客户端未指定这些参数时，服务端就使用这个Global值。这个global值怎么设置的？　我查遍了很多文档，似乎还没看到设置的办法　（有人说通过my.cnf，或者在启动mysqld时指定命令行参数，其实都是错的）    附：connector/j传输SQL时用什么编码？    答案： "The character encoding between client and server is automatically detected upon connection. The encoding used by the driver is specified on the server using the character_set_server system variable for server versions 4.1.0 and newer."     也就是说，是在连接时查询服务器端的character_set_server值，再确定连接将使用的编码。     不过，官方文档还说，"要想覆盖客户端上的自动检测编码功能，可在用于连接到服务器的URL中使用“characterEncoding”属性。"

mysql 中 character set 与 collation

标签：