MySQL字符集专题（字符集，校对，乱码）

1 MySQL字符集简介

MySQL服务器可以支持多种字符集，在同一台服务器，同一个数据库，甚至同一个表的不同字段都可以指定使用不同的字符集，相比Oracle等其他数据库管理系统，在同一个数据库只能使用相同的字符集，MySQL明显存在更大的灵活性。

MySQL的字符集包括字符集（CHARACTER）和校对规则（COLLATION）两个概念。字符集是用来定义MySQL存储字符串的方式，校对规则则是定义了比较字符串的方式，解决排序和字符分组的问题。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，MySQL支持39种字符集的将近200种校对规则。

在MySQL中，字符集的概念和编码方案被看做是同义词，一个字符集是一个转换表和一个编码方案的组合。

Unicode（Universal Code）是一种在计算机上使用的字符编码。Unicode 是为了解决传统的字符编码方案的局限而产生的，它为每种语言中的每个字符设定了统一并且唯一的二进制编码，以满足跨语言、跨平台进行文本转换、处理的要求。Unicode存在不同的编码方案，包括Utf-8，Utf-16和Utf-32。Utf表示Unicode Transformation Format。

2 查看字符集及校对

2.1 查看所有字符集

[sql] view
plain copy

mysql> show character set;

mysql> select * from information_schema.character_sets;

mysql> select character_set_name, default_collate_name, description, maxlen from information_schema.character_sets;

输出结果如下

[sql] view
plain copy

+----------+-----------------------------+---------------------+--------+

| Charset | Description | Default collation | Maxlen |

+----------+-----------------------------+---------------------+--------+

| big5 | Big5 Traditional Chinese | big5_chinese_ci | 2 |

| dec8 | DEC West European | dec8_swedish_ci | 1 |

| cp850 | DOS West European | cp850_general_ci | 1 |

| hp8 | HP West European | hp8_english_ci | 1 |

| koi8r | KOI8-R Relcom Russian | koi8r_general_ci | 1 |

| latin1 | cp1252 West European | latin1_swedish_ci | 1 |

| latin2 | ISO 8859-2 Central European | latin2_general_ci | 1 |

| swe7 | 7bit Swedish | swe7_swedish_ci | 1 |

| ascii | US ASCII | ascii_general_ci | 1 |

| ujis | EUC-JP Japanese | ujis_japanese_ci | 3 |

| sjis | Shift-JIS Japanese | sjis_japanese_ci | 2 |

| hebrew | ISO 8859-8 Hebrew | hebrew_general_ci | 1 |

| tis620 | TIS620 Thai | tis620_thai_ci | 1 |

| euckr | EUC-KR Korean | euckr_korean_ci | 2 |

| koi8u | KOI8-U Ukrainian | koi8u_general_ci | 1 |

| gb2312 | GB2312 Simplified Chinese | gb2312_chinese_ci | 2 |

| greek | ISO 8859-7 Greek | greek_general_ci | 1 |

| cp1250 | Windows Central European | cp1250_general_ci | 1 |

| gbk | GBK Simplified Chinese | gbk_chinese_ci | 2 |

| latin5 | ISO 8859-9 Turkish | latin5_turkish_ci | 1 |

| armscii8 | ARMSCII-8 Armenian | armscii8_general_ci | 1 |

| utf8 | UTF-8 Unicode | utf8_general_ci | 3 |

| ucs2 | UCS-2 Unicode | ucs2_general_ci | 2 |

| cp866 | DOS Russian | cp866_general_ci | 1 |

| keybcs2 | DOS Kamenicky Czech-Slovak | keybcs2_general_ci | 1 |

| macce | Mac Central European | macce_general_ci | 1 |

| macroman | Mac West European | macroman_general_ci | 1 |

| cp852 | DOS Central European | cp852_general_ci | 1 |

| latin7 | ISO 8859-13 Baltic | latin7_general_ci | 1 |

| utf8mb4 | UTF-8 Unicode | utf8mb4_general_ci | 4 |

| cp1251 | Windows Cyrillic | cp1251_general_ci | 1 |

| utf16 | UTF-16 Unicode | utf16_general_ci | 4 |

| cp1256 | Windows Arabic | cp1256_general_ci | 1 |

| cp1257 | Windows Baltic | cp1257_general_ci | 1 |

| utf32 | UTF-32 Unicode | utf32_general_ci | 4 |

| binary | Binary pseudo charset | binary | 1 |

| geostd8 | GEOSTD8 Georgian | geostd8_general_ci | 1 |

| cp932 | SJIS for Windows Japanese | cp932_japanese_ci | 2 |

| eucjpms | UJIS for Windows Japanese | eucjpms_japanese_ci | 3 |

+----------+-----------------------------+---------------------+--------+

其中：

Charset：字符集名字。

Description：对每个字符集的简短描述。

Default collation：每个字符集的默认校对。

Maxlen：每个字符集所保留的最大字节数。

2.2 查看字符集可用的校对，如uft8

[sql] view
plain copy

mysql> show collation like 'utf8%';

mysql> select * from information_schema.collations where collation_name like 'utf8%';

输出结果如下

[sql] view
plain copy

+--------------------------+--------------------+-----+------------+-------------+---------+

| 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 | 192 | | Yes | 8 |

| utf8_icelandic_ci | utf8 | 193 | | Yes | 8 |

| utf8_latvian_ci | utf8 | 194 | | Yes | 8 |

| utf8_romanian_ci | utf8 | 195 | | Yes | 8 |

| utf8_slovenian_ci | utf8 | 196 | | Yes | 8 |

| utf8_polish_ci | utf8 | 197 | | Yes | 8 |

| utf8_estonian_ci | utf8 | 198 | | Yes | 8 |

| utf8_spanish_ci | utf8 | 199 | | Yes | 8 |

| utf8_swedish_ci | utf8 | 200 | | Yes | 8 |

| utf8_turkish_ci | utf8 | 201 | | Yes | 8 |

| utf8_czech_ci | utf8 | 202 | | Yes | 8 |

| utf8_danish_ci | utf8 | 203 | | Yes | 8 |

| utf8_lithuanian_ci | utf8 | 204 | | Yes | 8 |

| utf8_slovak_ci | utf8 | 205 | | Yes | 8 |

| utf8_spanish2_ci | utf8 | 206 | | Yes | 8 |

| utf8_roman_ci | utf8 | 207 | | Yes | 8 |

| utf8_persian_ci | utf8 | 208 | | Yes | 8 |

| utf8_esperanto_ci | utf8 | 209 | | Yes | 8 |

| utf8_hungarian_ci | utf8 | 210 | | Yes | 8 |

| utf8_sinhala_ci | utf8 | 211 | | Yes | 8 |

| utf8_general_mysql500_ci | utf8 | 223 | | Yes | 1 |

+--------------------------+--------------------+-----+------------+-------------+---------+

COLLATION_NAME：可使用的校对名字

CHARACTER_SET_NAME：校对所属的字符集的名字

ID：唯一的顺序号码

IS_DEFAULT：表示校对是否这个字符集的默认校对

IS_COMPILED：

SORTLEN ：

2.3 查看当前数据库字符集

[sql] view
plain copy

mysql> show variables like 'character%';

输出结果如下

[sql] view
plain copy

+--------------------------+----------------------------------+

| Variable_name | Value |

+--------------------------+----------------------------------+

| character_set_client | utf8 |

| character_set_connection | utf8 |

| character_set_database | utf8 |

| character_set_filesystem | binary |

| character_set_results | utf8 |

| character_set_server | latin1 |

| character_set_system | utf8 |

| character_sets_dir | /usr/local/mysql/share/charsets/ |

+--------------------------+----------------------------------+

名词解释：

character_set_client：客户端请求数据的字符集

character_set_connection：客户机/服务器连接的字符集

character_set_database：默认数据库的字符集，无论默认数据库如何改变，都是这个字符集；如果没有默认数据库，那就使用 character_set_server指定的字符集，这个变量建议由系统自己管理，不要人为定义。

character_set_filesystem：把os上文件名转化成此字符集，即把 character_set_client转换character_set_filesystem， 默认binary是不做任何转换的

character_set_results：结果集，返回给客户端的字符集

character_set_server：数据库服务器的默认字符集

character_set_system：系统字符集，这个值总是utf8，不需要设置。这个字符集用于数据库对象（如表和列）的名字，也用于存储在目录表中的函数的名字。

2.4 查看当前数据库字符集校对

[sql] view
plain copy

mysql> show variables like 'collation%';

+----------------------+-------------------+

| Variable_name | Value |

+----------------------+-------------------+

| collation_connection | utf8_general_ci |

| collation_database | utf8_general_ci |

| collation_server | latin1_swedish_ci |

+----------------------+-------------------+

名词解释：

collation_connection 当前连接的字符集。

collation_database 当前日期的默认校对。每次用USE语句来“跳转”到另一个数据库的时候，这个变量的值就会改变。如果没有当前数据库，这个变量的值就是collation_server变量的值。

collation_server 服务器的默认校对。

3 字符集，校对定义与分配

默认字符集可以在3个级别定义，分别是 数据库服务器(server)级别， 数据库(database)级别， 数据表(table)级别。

数据库服务器(server)级别是指在my.cnf（Linux）会my.ini（Windows）上修改。

一旦显示的分配了一个字符集，它就不会改变，即使我们稍后在表级别，数据库级别或者数据库服务器级别修改默认字符集。

3.1 给列分配字符集

属于同一个表的不同列可以有不同的字符集，如果没有为一个列显示的定义字符集就使用默认字符集。创建一个表的时候，若显示的为列指定字符集，则字符集作为数据类型选项包含在其中，要放在数据类型后面及空指定和主键前面。

例如：

[sql] view
plain copy

create table colum_charset(

c1 char(10) character set utf8 not null,

c2 char(10) char set gbk,

c3 varchar(10) charset gb2312,

c4 varchar(10) );

其中：character set可以简写为char set和charset

查看建表语句

[sql] view
plain copy

mysql> show create table colum_charset \G

*************************** 1. row ***************************

Table: colum_charset

Create Table: CREATE TABLE `colum_charset` (

`c1` char(10) CHARACTER SET utf8 NOT NULL,

`c2` char(10) CHARACTER SET gbk DEFAULT NULL,

`c3` varchar(10) CHARACTER SET gb2312 DEFAULT NULL,

`c4` varchar(10) DEFAULT NULL

) ENGINE=InnoDB DEFAULT CHARSET=latin1

校验列字符集是否生效（生效）

[sql] view
plain copy

mysql> insert into colum_charset values("测试","测试","测试","测试");

mysql> select * from colum_charset;

+--------+--------+--------+------+

| c1 | c2 | c3 | c4 |

+--------+--------+--------+------+

| 测试 | 测试 | 测试 | ?? |

+--------+--------+--------+------+

3.2 给表指定字符集

创建一个表，指定默认字符集为utf8

[sql] view
plain copy

create table table_charset(c1 char(10), c2 char(10)) charset=utf8;

或者

create table table_charset(c1 char(10), c2 char(10)) default charset=utf8;

查看建表语句

[sql] view
plain copy

mysql> show create table table_charset \G

*************************** 1. row ***************************

Table: table_charset

Create Table: CREATE TABLE `table_charset` (

`c1` char(10) DEFAULT NULL,

`c2` char(10) DEFAULT NULL

) ENGINE=InnoDB DEFAULT CHARSET=utf8

3.3 给数据库指定字符集

创建的每个数据库都有一个默认字符集，如果没有指定，就用latin1。

[sql] view
plain copy

mysql> create database defaults;

mysql> show create database defaults;

+----------+---------------------------------------------------------------------+

| Database | Create Database |

+----------+---------------------------------------------------------------------+

| defaults | CREATE DATABASE `defaults` /*!40100 DEFAULT CHARACTER SET latin1 */ |

+----------+---------------------------------------------------------------------+

mysql> create database specify default charset utf8;

mysql> show create database specify;

+----------+------------------------------------------------------------------+

| Database | Create Database |

+----------+------------------------------------------------------------------+

| specify | CREATE DATABASE `specify` /*!40100 DEFAULT CHARACTER SET utf8 */ |

+----------+------------------------------------------------------------------+

3.4 给列分配校对

每个列都应该有一个校对，如果没有显示指定，MySQL就使用属于该字符集的默认校对。如果指定了一个字符集和一个校对，字符集应该放在前面。

例如：显示指定列校对

[plain] view
plain copy

create table column_collate(

c1 char(10) charset utf8 collate utf8_romanian_ci not null,

c2 varchar(10) charset utf8 collate utf8_spanish_ci);

获取校对信息

[plain] view
plain copy

mysql> select table_name, column_name, collation_name from information_schema.columns where table_name = 'column_collate';

mysql> select table_name, column_name, collation_name from information_schema.columns where table_name in ('column_collate');

+----------------+-------------+------------------+

| table_name | column_name | collation_name |

+----------------+-------------+------------------+

| column_collate | c1 | utf8_romanian_ci |

| column_collate | c2 | utf8_spanish_ci |

+----------------+-------------+------------------+

注意：字符集和校对在处理字符表达式的过程中扮演着重要角色。我们不能比较两个属于不同校对的不同字符值。

例如：

[sql] view
plain copy

mysql> insert into column_collate values ('A', 'A');

mysql> select * from column_collate;

+----+------+

| c1 | c2 |

+----+------+

| A | A |

+----+------+

mysql> select * from column_collate where c1 = c2;

ERROR 1267 (HY000): Illegal mix of collations (utf8_romanian_ci,IMPLICIT) and (utf8_spanish_ci,IMPLICIT) for operation '='

3.5 字符直接量的字符集

如果没有显示指定，那么字符直接量的字符集就是数据库的默认字符集。如果要显示分配另一个字符集，需要把字符集的名字放在直接量前面，并且要在字符集前面加上下划线。

例如：

[sql] view
plain copy

mysql> select _utf8'语言 Language 言語 язык';

+---------------------------------+

| 语言 Language 言語 язык |

+---------------------------------+

| 语言 Language 言語 язык |

+---------------------------------+

mysql> select _latin1'语言 Language 言語 язык';

+--------------------------------------------------------+

| 语言 Language 言語 язык |

+--------------------------------------------------------+

| 语言 Language 言語 язык |

+--------------------------------------------------------+

4
修改和设置数据库服务器默认字符集

MySQL服务器支持众多不同的字符集，这类字符集可在编译时和运行时指定。

4.1 编译时指定

编译时可指定默认字符集和默认校对规则，要想同时更改默认字符集和校对规则，要同时使用--with-charset和--with-collation选项。校对规则必须是字符集的合法校对规则。

[sql] view
plain copy

./configure -- with-charset=CHARSET --with-collation=COLLATION

通过configure选项--with-extra-charsets=LIST，可以定义在服务器中再定义增加字符集。LIST
指下面任何一项：

1.空格间隔的一系列字符集名

2.complex -，以包括不能动态装载的所有字符集

3.all –，以将所有字符集包括进二进制

[sql] view
plain copy

./configure -- with-charset=CHARSET --with-collation=COLLATION --with-extra-charsets=all

4.2 在my.cnf或my.ini中指定

[sql] view
plain copy

[mysqld]

character_set_server=utf8

影响参数：character_set_server 和 character_set_database

注意：修改后要重启数据库才能生效。

[sql] view
plain copy

[client]

default-character-set=utf8

影响参数：character_set_client，character_set_connection 和character_set_results。

注意：修改后无需重启数据库。

4.3 在启动参数前指定

[sql] view
plain copy

./mysqld --character-set-server=utf8 &

影响参数：character_set_server 和 character_set_database

4.4 临时指定

[sql] view
plain copy

mysql> SET character_set_client = utf8;

mysql> SET character_set_connection = utf8;

mysql> SET character_set_database = utf8;

mysql> SET character_set_results = utf8;

mysql> SET character_set_server = utf8;

其中character_set_client，character_set_connection 和character_set_results，可通过一句话指定

[sql] view
plain copy

mysql> SET NAMES 'utf8';

5 字符集转换流程

5.1 MySQL中的字符集转换过程

a.MySQL Server收到请求时将请求数据从character_set_client转换为character_set_connection；

b.进行内部操作前将请求数据从character_set_connection转换为内部操作字符集，其确定方法如下：

使用每个数据字段的CHARACTER SET设定值；

若上述值不存在，则使用对应数据表的DEFAULT CHARACTER SET设定值(MySQL扩展，非SQL标准)；

若上述值不存在，则使用对应数据库的DEFAULT CHARACTER SET设定值；

若上述值不存在，则使用character_set_server设定值。

c.将操作结果从内部操作字符集转换为character_set_results。



6 数据库乱码案例及解决方案

6.1 产生乱码的根本原因在于：

a.客户机没有正确地设置client字符集，导致原先的SQL语句被转换成connection所指字符集，而这种转换，是会丢失信息的，如果client是utf8格式，那么如果转换成gb2312格式，这其中必定会丢失信息，反之则不会丢失。一定要保证connection的字符集大于client字符集才能保证转换不丢失信息。

b. 数据库字体没有设置正确，如果数据库字体设置不正确，那么connection字符集转换成database字符集照样丢失编码，原因跟上面一样。

6.2 乱码或数据丢失

character_set_client:我们要告诉服务器，我给你发送的数据是什么编码？

character_set_connection:告诉字符集转换器，转换成什么编码？

character_set_results:查询的结果用什么编码？

如果以上三者都为字符集N,可简写为set names 'N';

6.2.1 乱码问题

模拟情景1

向默认字符集为utf8的数据表插入utf8编码的数据前连接字符集设置为latin1，查询时设置连接字符集为utf8。

插入时根据MySQL服务器的默认设置，character_set_client、character_set_connection和character_set_results均为latin1；

插入操作的数据将经过latin1=>latin1=>utf8的字符集转换过程，这一过程中每个插入的汉字都会从原始的3个字节变成6个字节保存；

查询时的结果将经过utf8=>utf8的字符集转换过程，将保存的6个字节原封不动返回，产生乱码……






例如：

[sql] view
plain copy

mysql> set names latin1;

mysql> create table temp(name varchar(10)) charset utf8;

mysql> insert into temp values('中国');

mysql> select * from temp;

+--------+

| name |

+--------+

| 中国 |

+--------+

mysql> set names utf8;

mysql> select * from temp;

+---------------+

| name |

+---------------+

| 中国 |

+---------------+

注意：存储字符集编码比插入时字符集大时，如果原封不动返回数据会出现乱码，不过可通过修改查询字符集，避免乱码，即不会丢失数据。

6.2.2 数据丢失问题

模拟情景1

向默认字符集为latin1的数据表插入utf8编码的数据前设置了连接字符集为utf8

插入时根据连接字符集设置，character_set_client、character_set_connection和character_set_results均为utf8；

插入数据将经过utf8=>utf8=>latin1的字符集转换，若原始数据中含有\u0000~\u00ff范围以外的Unicode字 符，会因为无法在latin1字符集中表示而被转换为“?”(0×3F)符号，以后查询时不管连接字符集设置如何都无法恢复其内容了。



例如：

[sql] view
plain copy

mysql> set names utf8;

mysql> create table temp(name varchar(10)) charset latin1;

mysql> insert into temp values('中国');

mysql> select * from temp;

+------+

| name |

+------+

| ?? |

+------+

mysql> set names latin1;

mysql> select * from temp;

+------+

| name |

+------+

| ?? |

+------+

数据不完整了，且无法恢复。

6.3 乱码终极解决方案

1.首先要明确你的客户端时候何种编码格式，这是最重要的（IE6一般用utf8，命令行一般是gbk，一般程序是gb2312)

2.确保你的数据库使用utf8格式，很简单，所有编码通吃。

3.一定要保证connection字符集大于等于client字符集，不然就会信息丢失，比如： latin1 < gb2312 < gbk < utf8，若设置set character_set_client = gb2312，那么至少connection的字符集要大于等于gb2312，否则就会丢失信息

4.以上三步做正确的话，那么所有中文都被正确地转换成utf8格式存储进了数据库，为了适应不同的浏览器，不同的客户端，你可以修改character_set_results来以不同的编码显示中文字体，由于utf8是大方向，因此web应用是我还是倾向于使用utf8格式显示中文的。