再見亂碼:5 分鐘讀懂 MySQL 字符集設定
作者: 程式猿小卡_casper 原文:https://segmentfault.com/a/1190000012775484
一、內容概述
在MySQL的使用過程中,瞭解字符集、字元序的概念,以及不同設定對資料儲存、比較的影響非常重要。不少同學在日常工作中遇到的“亂碼”問題,很有可能就是因為對字符集與字元序的理解不到位、設定錯誤造成的。
本文由淺入深,分別介紹瞭如下內容:
- 字符集、字元序的基本概念及聯絡
- MySQL支援的字符集、字元序設定級,各設定級別之間的聯絡
- server、database、table、column級字符集、字元序的檢視及設定
- 應該何時設定字符集、字元序
二、字符集、字元序的概念與聯絡
在資料的儲存上,MySQL提供了不同的字符集支援。而在資料的對比操作上,則提供了不同的字元序支援。
MySQL提供了不同級別的設定,包括server級、database級、table級、column級,可以提供非常精準的設定。
什麼是字符集、字元序?簡單的來說:
- 字符集(character set):定義了字元以及字元的編碼。
- 字元序(collation):定義了字元的比較規則。
舉個例子:
有四個字元:A、B、a、b,這四個字元的編碼分別是A = 0, B = 1, a = 2, b = 3。這裡的字元 + 編碼就構成了字符集(character set)。
如果我們想比較兩個字元的大小呢?比如A、B,或者a、b,最直觀的比較方式是採用它們的編碼,比如因為0 < 1,所以 A < B。
另外,對於A、a,雖然它們編碼不同,但我們覺得大小寫字元應該是相等的,也就是說 A == a。
這上面定義了兩條比較規則,這些比較規則的集合就是collation。
- 同樣是大寫字元、小寫字元,則比較他們的編碼大小;
- 如果兩個字元為大小寫關係,則它們相等。
三、MySQL支援的字符集、字元序
MySQL支援多種字符集 與 字元序。
- 一個字符集對應至少一種字元序(一般是1對多)。
- 兩個不同的字符集不能有相同的字元序。
- 每個字符集都有預設的字元序。
上面說的比較抽象,我們看下後面幾個小節就知道怎麼回事了。
1、檢視支援的字符集
可以通過以下方式檢視MYSQL支援的字符集。
方式一:
mysql> SHOW CHARACTER SET; +----------+-----------------------------+---------------------+--------+ | Charset | Description | Default collation | Maxlen | +----------+-----------------------------+---------------------+--------+ | big5 | Big5 Traditional Chinese | big5_chinese_ci | 2 | | dec8 | DEC West European | dec8_swedish_ci | 1 | ...省略
方式二:
mysql> use information_schema;
mysql> select * from CHARACTER_SETS;
+--------------------+----------------------+-----------------------------+--------+
| CHARACTER_SET_NAME | DEFAULT_COLLATE_NAME | DESCRIPTION | MAXLEN |
+--------------------+----------------------+-----------------------------+--------+
| big5 | big5_chinese_ci | Big5 Traditional Chinese | 2 |
| dec8 | dec8_swedish_ci | DEC West European | 1 |
...省略
當使用 SHOW CHARACTER SET
檢視時,也可以加上 WHERE
或 LIKE
限定條件。
例子一:使用 WHERE
限定條件。
mysql> SHOW CHARACTER SET WHERE Charset="utf8";
+---------+---------------+-------------------+--------+
| Charset | Description | Default collation | Maxlen |
+---------+---------------+-------------------+--------+
| utf8 | UTF-8 Unicode | utf8_general_ci | 3 |
+---------+---------------+-------------------+--------+
1 row in set (0.00 sec)
例子二:使用 LIKE
限定條件。
mysql> SHOW CHARACTER SET LIKE "utf8%";
+---------+---------------+--------------------+--------+
| Charset | Description | Default collation | Maxlen |
+---------+---------------+--------------------+--------+
| utf8 | UTF-8 Unicode | utf8_general_ci | 3 |
| utf8mb4 | UTF-8 Unicode | utf8mb4_general_ci | 4 |
+---------+---------------+--------------------+--------+
2 rows in set (0.00 sec)
2、檢視支援的字元序
類似的,可以通過如下方式檢視MYSQL支援的字元序。
方式一:通過 SHOW COLLATION
進行檢視。
可以看到, utf8
字符集有超過10種字元序。通過 Default
的值是否為 Yes
,判斷是否預設的字元序。
mysql> SHOW COLLATION WHERE Charset = 'utf8';
+--------------------------+---------+-----+---------+----------+---------+
| Collation | Charset | Id | Default | Compiled | Sortlen |
+--------------------------+---------+-----+---------+----------+---------+
| utf8_general_ci | utf8 | 33 | Yes | Yes | 1 |
| utf8_bin | utf8 | 83 | | Yes | 1 |
...略
方式二:查詢 information_schema.COLLATIONS
。
mysql> USE information_schema;
mysql> SELECT * FROM COLLATIONS WHERE CHARACTER_SET_NAME="utf8";
+--------------------------+--------------------+-----+------------+-------------+---------+
| 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 |
3、字元序的命名規範
字元序的命名,以其對應的字符集作為字首,如下所示。比如字元序 utf8_general_ci
,標明它是字符集 utf8
的字元序。
更多規則可以參考 官方文件。
MariaDB [information_schema]> SELECT CHARACTER_SET_NAME, COLLATION_NAME FROM COLLATIONS WHERE CHARACTER_SET_NAME="utf8" limit 2;
+--------------------+-----------------+
| CHARACTER_SET_NAME | COLLATION_NAME |
+--------------------+-----------------+
| utf8 | utf8_general_ci |
| utf8 | utf8_bin |
+--------------------+-----------------+
2 rows in set (0.00 sec)
四、server的字符集、字元序
用途:當你建立資料庫,且沒有指定字符集、字元序時,server字符集、server字元序就會作為該資料庫的預設字符集、排序規則。
如何指定:MySQL服務啟動時,可通過命令列引數指定。也可以通過配置檔案的變數指定。
server預設字符集、字元序:在MySQL編譯的時候,通過編譯引數指定。
character_set_server
、 collation_server
分別對應server字符集、server字元序。
1、檢視server字符集、字元序
分別對應 character_set_server
、 collation_server
兩個系統變數。
mysql> SHOW VARIABLES LIKE "character_set_server";
mysql> SHOW VARIABLES LIKE "collation_server";
2、啟動服務時指定
可以在MySQL服務啟動時,指定server字符集、字元序。如不指定,預設的字元序分別為 latin1
、 latin1_swedish_ci
mysqld --character-set-server=latin1
--collation-server=latin1_swedish_ci
單獨指定server字符集,此時,server字元序為 latin1
的預設字元序 latin1_swedish_ci
。
mysqld --character-set-server=latin1
3、配置檔案指定
除了在命令列引數裡指定,也可以在配置檔案裡指定,如下所示。
[client]
default-character-set=utf8
[mysql]
default-character-set=utf8
[mysqld]
collation-server = utf8_unicode_ci
init-connect='SET NAMES utf8'
character-set-server = utf8
4、執行時修改
例子:執行時修改(重啟後會失效,如果想要重啟後保持不變,需要寫進配置檔案裡)
mysql> SET character_set_server = utf8 ;
5、編譯時指定預設字符集、字元序
character_set_server
、 collation_server
的預設值,可以在MySQL編譯時,通過編譯選項指定:
cmake . -DDEFAULT_CHARSET=latin1
-DDEFAULT_COLLATION=latin1_german1_ci
五、database的字符集、字元序
用途:指定資料庫級別的字符集、字元序。同一個MySQL服務下的資料庫,可以分別指定不同的字符集/字元序。
1、設定資料的字符集/字元序
可以在建立、修改資料庫的時候,通過 CHARACTER SET
、 COLLATE
指定資料庫的字符集、排序規則。
建立資料庫:
CREATE DATABASE db_name
[[DEFAULT] CHARACTER SET charset_name]
[[DEFAULT] COLLATE collation_name]
修改資料庫:
ALTER DATABASE db_name
[[DEFAULT] CHARACTER SET charset_name]
[[DEFAULT] COLLATE collation_name]
例子:建立資料庫 test_schema
,字符集設定為 utf8
,此時預設的排序規則為 utf8_general_ci
。
CREATE DATABASE `test_schema` DEFAULT CHARACTER SET utf8;
2、檢視資料庫的字符集/字元序
有3種方式可以檢視資料庫的字符集/字元序。
例子一:檢視 test_schema
的字符集、排序規則。(需要切換預設資料庫)
mysql> use test_schema;
Database changed
mysql> SELECT @@character_set_database, @@collation_database;
+--------------------------+----------------------+
| @@character_set_database | @@collation_database |
+--------------------------+----------------------+
| utf8 | utf8_general_ci |
+--------------------------+----------------------+
1 row in set (0.00 sec)
例子二:也可以通過下面命令檢視 test_schema
的字符集、資料庫(不需要切換預設資料庫)
mysql> SELECT SCHEMA_NAME, DEFAULT_CHARACTER_SET_NAME, DEFAULT_COLLATION_NAME FROM information_schema.SCHEMATA WHERE schema_name="test_schema";
+-------------+----------------------------+------------------------+
| SCHEMA_NAME | DEFAULT_CHARACTER_SET_NAME | DEFAULT_COLLATION_NAME |
+-------------+----------------------------+------------------------+
| test_schema | utf8 | utf8_general_ci |
+-------------+----------------------------+------------------------+
1 row in set (0.00 sec)
例子三:也可以通過檢視建立資料庫的語句,來檢視字符集。
mysql> SHOW CREATE DATABASE test_schema;
+-------------+----------------------------------------------------------------------+
| Database | Create Database |
+-------------+----------------------------------------------------------------------+
| test_schema | CREATE DATABASE `test_schema` /*!40100 DEFAULT CHARACTER SET utf8 */ |
+-------------+----------------------------------------------------------------------+
1 row in set (0.00 sec)
3、database字符集、字元序是怎麼確定的
- 建立資料庫時,指定了
CHARACTER SET
或COLLATE
,則以對應的字符集、排序規則為準。 - 建立資料庫時,如果沒有指定字符集、排序規則,則以
character_set_server
、collation_server
為準。
六、table的字符集、字元序
建立表、修改表的語法如下,可通過 CHARACTER SET
、 COLLATE
設定字符集、字元序。
CREATE TABLE tbl_name (column_list)
[[DEFAULT] CHARACTER SET charset_name]
[COLLATE collation_name]]
ALTER TABLE tbl_name
[[DEFAULT] CHARACTER SET charset_name]
[COLLATE collation_name]
1、建立table並指定字符集/字元序
例子如下,指定字符集為 utf8
,字元序則採用預設的。
CREATE TABLE `test_schema`.`test_table` (
`id` INT NOT NULL COMMENT '',
PRIMARY KEY (`id`) COMMENT '')
DEFAULT CHARACTER SET = utf8;
2、檢視table的字符集/字元序
同樣,有3種方式可以檢視table的字符集/字元序。
方式一:通過 SHOW TABLE STATUS
檢視table狀態,注意 Collation
為 utf8_general_ci
,對應的字符集為 utf8
。
MariaDB [blog]> SHOW TABLE STATUS FROM test_schema G;
*************************** 1. row ***************************
Name: test_table
Engine: InnoDB
Version: 10
Row_format: Compact
Rows: 0
Avg_row_length: 0
Data_length: 16384
Max_data_length: 0
Index_length: 0
Data_free: 11534336
Auto_increment: NULL
Create_time: 2018-01-09 16:10:42
Update_time: NULL
Check_time: NULL
Collation: utf8_general_ci
Checksum: NULL
Create_options:
Comment:
1 row in set (0.00 sec)
方式二:檢視 information_schema.TABLES
的資訊。
mysql> USE test_schema;
mysql> SELECT TABLE_COLLATION FROM information_schema.TABLES WHERE TABLE_SCHEMA = "test_schema" AND TABLE_NAME = "test_table";
+-----------------+
| TABLE_COLLATION |
+-----------------+
| utf8_general_ci |
+-----------------+
方式三:通過 SHOW CREATE TABLE
確認。
mysql> SHOW CREATE TABLE test_table;
+------------+----------------------------------------------------------------------------------------------------------------+
| Table | Create Table |
+------------+----------------------------------------------------------------------------------------------------------------+
| test_table | CREATE TABLE `test_table` (
`id` int(11) NOT NULL,
PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8 |
+------------+----------------------------------------------------------------------------------------------------------------+
1 row in set (0.00 sec)
3、table字符集、字元序如何確定
假設 CHARACTER SET
、 COLLATE
的值分別是 charset_name
、 collation_name
。如果建立table時:
- 明確了
charset_name
、collation_name
,則採用charset_name
、collation_name
。 - 只明確了
charset_name
,但collation_name
未明確,則字符集採用charset_name
,字元序採用charset_name
對應的預設字元序。 - 只明確了
collation_name
,但charset_name
未明確,則字元序採用collation_name
,字符集採用collation_name
關聯的字符集。 -
charset_name
、collation_name
均未明確,則採用資料庫的字符集、字元序設定。
七、column的字符集、排序
型別為CHAR、VARCHAR、TEXT的列,可以指定字符集/字元序,語法如下:
col_name {CHAR | VARCHAR | TEXT} (col_length)
[CHARACTER SET charset_name]
[COLLATE collation_name]
1、新增column並指定字符集/排序規則
例子如下:(建立table類似)
mysql> ALTER TABLE test_table ADD COLUMN char_column VARCHAR(25) CHARACTER SET utf8;
2、檢視column的字符集/字元序
例子如下:
mysql> SELECT CHARACTER_SET_NAME, COLLATION_NAME FROM information_schema.COLUMNS WHERE TABLE_SCHEMA="test_schema" AND TABLE_NAME="test_table" AND COLUMN_NAME="char_column";
+--------------------+-----------------+
| CHARACTER_SET_NAME | COLLATION_NAME |
+--------------------+-----------------+
| utf8 | utf8_general_ci |
+--------------------+-----------------+
1 row in set (0.00 sec)
3、column字符集/排序規則確定
假設 CHARACTER SET
、 COLLATE
的值分別是 charset_name
、 collation_name
:
- 如果
charset_name
、collation_name
均明確,則字符集、字元序以charset_name
、collation_name
為準。 - 只明確了
charset_name
,collation_name
未明確,則字符集為charset_name
,字元序為charset_name
的預設字元序。 - 只明確了
collation_name
,charset_name
未明確,則字元序為collation_name
,字符集為collation_name
關聯的字符集。 -
charset_name
、collation_name
均未明確,則以table的字符集、字元序為準。
八、選擇:何時設定字符集、字元序
一般來說,可以在三個地方進行配置:
- 建立資料庫的時候進行配置。
- mysql server啟動的時候進行配置。
- 從原始碼編譯mysql的時候,通過編譯引數進行配置
1、方式一:建立資料庫的時候進行配置
這種方式比較靈活,也比較保險,它不依賴於預設的字符集/字元序。當你建立資料庫的時候指定字符集/字元序,後續建立table、column的時候,如果不特殊指定,會繼承對應資料庫的字符集/字元序。
CREATE DATABASE mydb
DEFAULT CHARACTER SET utf8
DEFAULT COLLATE utf8_general_ci;
2、方式二:mysql server啟動的時候進行配置
可以新增以下配置,這樣mysql server啟動的時候,會對character-set-server、collation-server進行配置。
當你通過mysql client建立database/table/column,且沒有顯示宣告字符集/字元序,那麼就會用character-set-server/collation-server作為預設的字符集/字元序。
另外,client、server連線時的字符集/字元序,還是需要通過SET NAMES進行設定。
[mysqld]
character-set-server=utf8
collation-server=utf8_general_ci
3、方式三:從原始碼編譯mysql的時候,通過編譯引數進行設定
編譯的時候如果指定了 -DDEFAULT_CHARSET
和 -DDEFAULT_COLLATION
,那麼:
- 建立database、table時,會將其作為預設的字符集/字元序。
- client連線server時,會將其作為預設的字符集/字元序。(不用單獨SET NAMES)
shell> cmake . -DDEFAULT_CHARSET=utf8
-DDEFAULT_COLLATION=utf8_general_ci
九、寫在後面
本文較為詳細地介紹了MySQL中字符集、字元序相關的內容,這部分內容主要針對的是資料的儲存與比較。其實還有很重要的一部分內容還沒涉及:針對連線的字符集、字元序設定。
由於連線的字符集、字元序設定不當導致的亂碼問題也非常多,這部分內容展開來講內容也不少,放在下一篇文章進行講解。
篇幅所限,有些內容沒有細講,感興趣的同學歡迎交流,或者檢視官方文件。如有錯漏,敬請指出。
十、相關連結
10.1 Character Set Support https://dev.mysql.com/doc/refman/5.7/en/charset.html
覺得本文對你有幫助?請分享給更多人。