MySQL 地基基础：数据库字符集

字符集简介

字符是各种文字和符号的总称，而字符集是多个字符的集合。

字符集分类与特点

字符包含有国家文字、标点符号、图形符号、数字等内容，字符集是多个字符的集合，字符集种类非常多，每种字符集包含的字符个数是不相同的。比如说，国家文字不同，就会使用各自国家通用字符集，这样是不是好理解一些。

常见字符集分类

• ASCII（American Standard Code for Information Interchange，美国信息互换标准编码）：是基于罗马字母表的一套电脑编码系统，一个字节表示一个字符。
• LATIN1：ASCII 字符集的扩充，仍然使用一个字节表示一个字符。
• GB2312（信息交换用汉字编码字符集·基本集）：中国国家标准的简体中文字符集，基本满足了汉字的计算机处理需要，分区表示，双字节表示一个字符。
• GB18030（信息交换用汉字编码字符集基本集的扩充）：是 GB2312 的扩充，更全面，兼容 Unicode 3.0 和 GB2312。
• UTF-8（Unicode Tranformation Format）：是 Unicode 的其中一个使用方式，支持所有国家字符集，使用 1-4 个字节表示一个字符。

字符集有很多，这里不一一列举。想要获取全部支持字符集，可以在库中查看，详见下文。

字符集特点

• 不同的编码方式，最终解释为不同的机器语言（二进制）
• 不同的表示方式，使用 1 个或者多个字节表示一个字符

MySQL 与字符集之间亲密关系

首先我们想一下，数据库是做什么的？数据库是存放数据的环境。这些数据库是如何保存的？拍拍脑袋一想，肯定不是原封不动的存放的，数据库不同于我们的大脑，它的思维能力甚至不如阿猫阿狗，它只能读懂 0 和 1，那么数据库存储的数据，其实就是一串串的 0 和 1 的组合，那么按照什么规则定义这些 0 和 1 呢？重点来了，数据库需要在字符集中找到对应的数据编码，然后存储的是这些编码。

MySQL 字符集包括字符集（character）和校对规则（collation），字符集用来定义存储字符串的方式，校队规则定义比较字符串的方式。字符集和校对规则是一对多的关系，每个字符集至少对应一个校对规则。后面我们在具体说说校对规则。

MySQL 在底层存储上有四个级别的字符集设置，分别是：服务器级、数据库级、表级、列级。字符集优先级是：列字符集 > 表字符集 > 数据库字符集 > 服务器字符集，其中最常用的是表级和数据库级字符集。列级字符集最优先，但是一般不单独设置，使其继承表级字符集。

获取所有数据库字符集：

mysql> show character set;
或者
mysql> select * from information_schema.character_sets;

获取所有数据库校对规则：

mysql> show collation;
或者
mysql> select * from information_schema.collations;

字符集编码原理

在客户端和服务器端之期间的数据请求与反馈，会经历一系列的转换，从而保证数据的正确无误无乱码，下面具体说一下这个请求的过程。

\1. MySQL client 发送请求（字符集为 character_set_client） character_set_client 就是客户端字符集。

\2. MySQL Server 收到请求，将请求数据从 character_set_client 转换为 character_set_connection 通常情况下 character_set_connection 字符集同 character_set_client 字符集一致。

\3. MySQL Server 将请求数据从 character_set_connection 转换为内部操作字符集。

何为内部操作字符集，其实就是前面说的列字符集、表字符集、数据库字符集、服务器字符集这四个。这一步操作会使用每个数据字段的 CHARACTER SET 设定值：

• 如果 CHARACTER SET 不存在，使用表字符集
• 如果表字符集不存在，使用数据库字符集
• 如果数据库字符集不存在，使用服务器字符集

\4. MySQL Server 将操作结果从内部操作字符集转换为 character_set_results character_set_results 就是结果内容的字符集。

字符集与校对规则分析

前面我们已经说了说字符集和校对规则的关系。接下来我们具体分析分析它们。

查看数据库字符集：

mysql> show variables like 'character%';

参数解释：

• character_set_client：客户端使用的字符集
• character_set_connection：客户端和服务端连接层字符集
• character_set_database：默认数据库字符集 ，如没有默认数据库，会用 character_set_server 指定的字符集，建议由系统自动管理
• character_set_filesystem：把 os 上文件名转化成此字符集，把 character_set_client 转换 character_set_filesystem， 默认 binary 是不做任何转换
• character_set_results：结果字符集
• character_set_server：数据库服务器字符集
• character_set_system：操作系统字符集，无需设置，总是 utf8

DDL 字符集选择：

• 建库操作，未指定数据库字符集，继承数据库服务器字符集
• 建表操作，未指定表字符集，继承当前库字符集
• 新增字段，未指定列字符集，继承表字符集
• 修改字段，未指定列字符集，继承表字符集

DML 字符集选择：

• 插入、更新数据，由 character_set_client 转换为 character_set_connection 再转换为表字符集

查看字符集校对规则：

mysql> show variables like 'collation%';

参数说明：

• collation_connection：当前连接的字符集校对规则
• collation_database：当前数据库默认校对规则
• collation_server：当前数据库服务器默认校对规则

字符集和校对规则：

• 每个字符集至少有一个校对规则
• 每个字符集有一个默认的校对规则
• 每个校对规则只能属于一个字符集

校对规则命名

字符集名称_语言_后缀，其中后缀有三种写法：

• _ci：不区分大小写
• _cs：区分大小写
• _bin：二进制

如何更改 MySQL 字符集

更改数据库字符集：

alter database db1 default character set utf8;

更改数据库表的字符集：

alter table tab1 default character set utf8;

把表默认的字符集和所有字符列改为新的字符集（例如 utf8）：

alter table tab1 convert to character set utf8;

前面的操作转换了字符集之间的列类型。如果有一列使用一种字符集（如 latin1），但是存储的值实际上使用了其它的字符集（如 utf8），这种情况不是你想要的，进行如下操作就可以解决你的问题。

alter table tab1 change 字段 1 字段 2 类型；
alter table tab1 change 字段 2 字段 2 类型 character set utf8;

字符集最佳实践

MySQL 数据库字符集和校对规则有 4 个级别：服务器级、数据库级、表级、字段级，下面我们重点讲解及用实例操作来实践。

服务器级设置字符集

方式一

在 MySQL 配置文件 my.cnf 中进行配置设置：

[mysqld]
default-character-set=gbk

方式二

在启动 MySQL 时设置：

mysqld --default-character-set=gbk

方式三

在源码编译时指定，如果未指定，默认使用 latin1：

./configure --with-charcter=gbk

数据库级设置字符集

• 创建数据库时指定字符集（create database ... ）
• 修改数据库时修改字符集（alter database ...）

注：对于已经存在的数据修改字符集无效。

表级设置字符集

• 创建表时指定字符集（create table ...）
• 修改表时修改字符集（alter table ...）

注：对于已经存在的数据修改字符集无效。

列级设置字符集

• 创建表时指定列字符集（create table ...）
• 修改表时修改列字符集（alter table ...）

注：对于已经存在的数据修改字符集无效。

细心的朋友应该已经注意到了，以上这种修改是不适用于已经存在的数据的，如果表中已经存在数据了，那么我们怎样修改字符集呢？不要着急，后面会一步一步的教你如何实现。

首先我们先实例说一下如何设置字符集。

1. 为数据库设置字符集和校对规则

设置数据库字符集：

create database db1 default character set utf8;

设置数据库校对规则：

create database db1 default character set utf8 collate utf8_bin;

说明：

• 如果指定了字符集和校对规则，则使用指定的
• 如果指定了字符集未指定校对规则，则使用指定字符集和默认校对规则
• 如果未指定字符集和校对规则，则使用服务器字符集和校对规则

2. 为表设置字符集和校对规则

设置表字符集：

create table tab1(column1 varchar(5)) default character set utf8;

设置表校对规则：

create table tab1(column1 varchar(5)) default character set utf8 collate utf8_bin;

说明：

• 如果指定了字符集和校对规则，则使用指定的
• 如果指定了字符集未指定校对规则，则使用指定字符集和默认校对规则
• 如果未指定字符集和校对规则，则使用数据库字符集和校对规则

3. 为列设置字符集和校对规则

设置列字符集：

create table tab1(column1 varchar(5) character SET utf8);

设置列校对规则：

create table tab1(column1 varchar(5) character set utf8 collate utf8_bin);

说明：

• 如果指定了字符集和校对规则，则使用指定的
• 如果指定了字符集未指定校对规则，则使用指定字符集和默认校对规则
• 如果未指定字符集和校对规则，则使用表字符集和校对规则

4. 如何处理带数据的字符集

当表中已经存在数据，直接更改字符集，不会更改既有的数据字符集，我们需要先将数据导出，调整字符集再导入。

第一步：导出表结构

mysqldump -uroot -p --default-character-set=gbk -d db1> createtab.sql

第二步：修改表字符集

编辑修改 createtab.sql 文件，将表结构定义中的字符集改为新的字符集。

第三步：导出所有数据

mysqldump -uroot -p --quick --no-create-info --extended-insert --default-character-set=latin1 db1> data.sql

第四步：修改数据字符集

编辑修改 data.sql，将 set names latin1 修改成 set names gbk。

第五步：创建数据库

create database db1 default charset gbk;

第六步：创建表

mysql -uroot -p db1 < createtab.sql

第七步：导入数据

mysql -uroot -p db1 < data.sql