MySQL字符集及校對規則的理解

字符集(Character set)

定義： 是多個字符(英文字符，漢字字符，或者其他國家語言字符)的集合，字符集種類較多，每個字符集包含的字符個數不同。

特點：
ASCII字符集：基於羅馬字母表的一套字符集，它採用1個字節的低7位表示字符，高位始終爲0。

LATIN1字符集：相對於ASCII字符集做了擴展，仍然使用一個字節表示字符，但啓用了高位，擴展了字符集的表示範圍。

GBK字符集：支持中文，字符有一字節編碼和兩字節編碼方式。

UTF8字符集：Unicode字符集的一種，是計算機科學領域裏的一項業界標準，支持了所有國家的文字字符，utf8採用1-4個字節表示字符。

MySql與字符集

只要涉及到文字的地方，就會存在字符集和編碼方式。MySQL系統變量值：

show variables like '%character%'

正確使用字符集

數據庫服務端的字符集具體要看存儲什麼字符

參數	說明
character_set_server	默認內部操作字符集
character_set_client	客戶端來源數據使用的字符集
character_set_connection	連接層字符集
character_set_results	查詢結果字符集
character_set_database	當前數據庫的默認字符集
character_set_results	查詢結果字符集
character_set_system	系統元數據（字段名等）字符集

以上這些參數如何起作用：

• 庫、表、列字符集的由來
  ①建庫時，若未明確指定字符集，則採用character_set_server指定的字符集。
  ②建表時，若未明確指定字符集，則採用當前庫所採用的字符集。
  ③新增時，修改表字段時，若未明確指定字符集，則採用當前表所採用的字符集。
• 更新、查詢涉及到得字符集變量
  更新流程字符集轉換過程：character_set_client–>character_set_connection–>表字符集。
  查詢流程字符集轉換過程：表字符集–>character_set_result
• character_set_database
  當前默認數據庫的字符集，比如執行use xxx後，當前數據庫變爲xxx，若xxx的字符集爲utf8，那麼此變量值就變爲utf8(供系統設置，無需人工設置)。

MySQL客戶端與字符集

1.對於輸入來說：
客戶端使用的字符集必須通過character_set_client、character_set_connection體現出來：
①在客戶端對數據進行編碼（Linux：utf8、windows：gbk）
②MySQL接到SQL語句後(比如insert)，發現有字符，詢問客戶端通過什麼方式對字符編碼：客戶端通過character_set_client參數告知MySQL客戶端的編碼方式(所以此參數需要正確反映客戶端對應的編碼)
③當MySQL發現客戶端的client所傳輸的字符集與自己的connection不一樣時，會將client的字符集轉換爲connection的字符集
④MySQL將轉換後的編碼存儲到MySQL表的列上，在存儲的時候再判斷編碼是否與內部存儲字符集（按照優先級判斷字符集類型）上的編碼一致，如果不一致需要再次轉換

2.對於查詢來說：
　客戶端使用的字符集必須通過character_set_results來體現，服務器詢問客戶端字符集，通過character_set_results將結果轉換爲與客戶端相同的字符集傳遞給客戶端。(character_set_results默認等於character_set_client)

MySQL字符編碼轉換原理：

問：若character_set_client爲UTF8，而character_set_database爲GBK，則會出現需要進行編碼轉換的情況，字符集轉換的原理是什麼？

答：假設gbk字符集的字符串“你好”，需要轉爲utf8字符集存儲，實際就是對於“你好”字符串中的每個漢字去utf8編碼表裏面查詢對應的二進制，然後存儲。

圖解字符集轉換過程：
①MySQL Server收到請求時將請求數據從character_set_client轉換爲character_set_connection;
②進行內部操作前將請求數據從character_set_connection轉換爲內部操作字符集,步驟如下

• 使用每個數據字段的CHARACTER SET設定值；

• 若上述值不存在，則使用對應數據表的DEFAULT CHARACTER SET設定值；

• 若上述值不存在，則使用對應數據庫的DEFAULT CHARACTER SET設定值；

• 若上述值不存在，則使用character_set_server設定值；

③將操作結果從內部操作字符集轉換爲character_set_results。

字符集常見處理操作

1.查看字符集編碼設置

show variables like '%character%';

2.設置字符集編碼

set names 'utf8';

這相當於同時執行了一下設置：

set character_set_client = utf8;
set character_set_results = utf8;
set character_set_connection = utf8;

修改數據庫字符集

 alter database database_name character set xxx;

只修改庫的字符集，影響後續創建的表的默認定義；對於已創建的表的字符集不受影響。（一般在數據庫實現字符集即可，表和列都默認採用數據庫的字符集）

.修改表的字符集

mysql> alter table table_name character set xxx；

只修改表的字符集，影響後續該表新增列的默認定義，已有列的字符集不受影響。

mysql> alter table table_name convert to character set xxx;

同時修改表字符集和已有列字符集，並將已有數據進行字符集編碼轉換。

修改列字符集
格式：

ALTER TABLE table_name MODIFY
column_name {CHAR | VARCHAR | TEXT} (column_length)
    [CHARACTER SET charset_name]
    [COLLATE collation_name]

mysql> alter table table_name modify col_name varchar(col_length) character set xxx;

字符集的正確實踐：

MySQL軟件工具本身是沒有字符集的，主要是因爲工具所在的OS的字符集（Windows：gbk、Linux：utf8），所以字符集的正確實踐非常重要：

1.對於insert來說，character_set_client、character_set_connection相同，而且正確反映客戶端使用的字符集（就是設置成客戶端對應的字符集）
2.對於select來說，character_set_results正確反映客戶端字符集
4.字符集轉換最多發生一次，這就要求character_set_client、character_set_connection相同
5.所有的字符集轉換都發生在數據庫端

綜述：　　　　
1、建立數據庫的時候注意字符集（gbk、utf8）；
2、連接數據庫以後，無論是執行dml還是select，只要涉及到varchar、char列，就需要設置正確的字符集參數

ps：dml 數據操縱語言,insert,delete,update,select等.ddl 數據定義語言 如 create,alter和drop

校對規則collation校對

字符集是一套符號和對應的編號,查看數據庫支持的所有字符集(charset):

mysql> show character set;

校對規則(collation)：
是在字符集內用於字符比較和排序的一套規則，比如有的規則區分大小寫，有的則無視。

mysql> create table t1(id int,name varchar(20));    #t1建表沒有指定校對規則

mysql> show collation;  #查看數據庫支持的所有校對規則

mysql> show variables like 'collation_%';  #查看當前字符集和校對規則設置

校對規則特徵：
①兩個不同的字符集不能有相同的校對規則；
②每個字符集有一個默認校對規則；
③存在校對規則命名約定：以其相關的字符集名開始，中間包括一個語言名，並且以_ci（大小寫不敏感）、_cs（大小寫敏感）或_bin（二元）結束。

ps:系統使用utf8字符集，若使用utf8_bin校對規則執行SQL查詢時區分大小寫，使用utf8_general_ci不區分大小寫(默認的utf8字符集對應的校對規則是utf8_general_ci)。

示例：

mysql> create table t2(id int,name varchar(20)) character set=gbk collate=gbk_bin;    #t2建表指定校對規則（區分大小寫）