MySQL 字符集与校对规则

字符集 CHARACTE SET

字符（character）是各种文字和符号的总称，包括各国文字、标点符号、图形符号、数字等。

字符集（character set）是多个字符的集合，字符集种类较多，每个字符集包含的字符个数不同。

常见字符集：ASCII、GBK、UTF8、Unicode 等等。

MySQL 字符集转换过程

MySQL Server 收到请求时，将请求数据从 character_set_client 转换为 character_set_connection
然后，character_set_connection 转换为 MySQL 内部操作字符集。MySQL 内部操作字符集：
- 如果 column 指定了字符集，则使用 column 指定的字符集
- 如果 column 没有指定字符集，则使用 table 的字符集
- 如果 table 也没有指定字符集，则使用 database 的字符集
- 如果 database 也没有指定字符集，则使用 character_set_server 的值
最后，将操作结果从内部操作字符集转换为 character_set_results。

常见问题

乱码
- 当 character_set_client 与事实不符的时候。比如，character_set_client 明明是 utf8 的，但是，将它当成 GBK 去转换。
- 当 character_set_results 与客户端页面的字符集不一致的时候。
- 当数据保存到数据库之后，改变了内部操作字符集或者 character_set_connection。比如：
数据表字符集设置为 utf8，插入时使用 MySQL 的默认设置（character_set_client、character_set_connectiong 和 character_set_results 都为 latin1）。插入之后，改变 character_set_connection 为 utf8.

插入时，转换过程：latin1 -> latin1 -> utf8。3 字节的 latin1 转换为 6 字节的utf8。

查询时，转换过程：utf8 -> utf8 -> latin1。6 字节的 utf8 原封不动返回。因此，肯定是会乱码的。

所以，如果插入数据到查询数据过程中没有更改过 MySQL 字符集，但是出现了乱码，一般情况都是页面字符集和 character_set_results 不一致造成的。

数据丢失
字符集也有大小的，当 character_set_client < character_set connection 或者 character_set_connectino < 内部字符集(数据保存的字符集格式) 时，字符转换过程中，除了乱码，还可能会出现字符丢失。

字符集乱码还可以调回来，但是数据丢失是找不回来的。

MySQL 字符集设置

column

CREATE TABLE `member` (
        `name` varchar CHARACTER SET utf8
);
ALTER TABLE `member` CHANGE `name` varchar(25) CHARACTER SET utf8;

table

CREATE TABLE `member` (
        ...
) DEFAULT CHARSET utf8;
ALTER TABLE `member` DEFAULT CHARSET utf8;

CHARSET 和 CHARACTER SET 一样，CHARSET 是简写。

database
1
set character_set_database = utf8;
character_set_server
1
set character_set_server = utf8;
character_set_connection
1
set character_set_contion = utf8;
character_set_results
1
set character_set_results = utf8;

如果 character_set_client、character_set_connection和character_set_results 都一样时，可以用 set names 语句来代替：

1	set names utf8;

校对规则/校对集 COLLATE

校对规则，字符集内用于比较字符的规则。
一个字符集可以有多个校对规则。如，字符集 utf8 的校对规则：utf8_general_ci、utf8_bin 等等。
不同的校对规则，字符集内的字符排序不一样。如，utf8 字符集用 utf8_general_ci 校对规则，A 排在 b 前面。但是如果用 utf8_bin 校对规则， b 会排在 A 前面。
每个字符集有一个默认校对规则。如，utf8 默认校对规则为 utf8_general_ci。
校对规则命名约定：以字符集名称开头，以 ci(大小写不敏感)、cs(大小写敏感)、或 bin(二元) 结尾。

MySQL 校对规则设置