1.字符集概述

• 簡單的說字符集就是一套文字符號(hào)及其編碼、比較規(guī)則的集合
• 20世紀(jì)60年代初期，美國標(biāo)準(zhǔn)化組織ANSI發(fā)布了第一個(gè)計(jì)算機(jī)的字符集ASCII(American Standard Code for Information Interchange)，后來進(jìn)一步變成了國際標(biāo)準(zhǔn)ISO-646。這個(gè)字符集采用7位編碼，定義了包括大小寫英文字母、阿拉伯?dāng)?shù)字和標(biāo)點(diǎn)符號(hào)，以及33個(gè)控制符號(hào)等。

2.Unicode簡述

• 為了統(tǒng)一字符編碼，國際標(biāo)準(zhǔn)化組織ISO(International Organization for Standardization)的一些成員國于1984年發(fā)起制定新的國際字符集標(biāo)準(zhǔn)，以容納全世界各種語言文字和符號(hào)。這個(gè)標(biāo)準(zhǔn)最后叫做Universal Multiple-Octet Coded Character Set，簡稱UCS，標(biāo)準(zhǔn)編號(hào)則定位ISO-10646。ISO-10646標(biāo)準(zhǔn)采用4字節(jié)(32bit)編碼，因此簡稱UCS-4。
• ISO-10646發(fā)布以后，遭到了部分美國計(jì)算機(jī)公司的反對(duì)。1988年Xerox公司提議指定新的以16為編碼的統(tǒng)一字符集Unicode，并聯(lián)合Apple, IBM, DEC, Sun, Microsoft, Novell等公司成立Unicode協(xié)會(huì)(The Unicode Consortium)，并成立Unicode技術(shù)委員會(huì)(Unicode Technical Committee)，專門負(fù)責(zé)Unicode文字的搜集、整理合編碼，并于1991年推出了Unicode 1.0
• 1991年10月，ISO將Unicode編碼并入ISO-10646的0組0字面，叫做基本多語言文字面（Basic Muiti-lingual Plane,BMP），共有65534個(gè)碼位，并根據(jù)不同用途分為若干區(qū)域。除BMP外的32767個(gè)字面又分為輔助字面和專用字面兩部分，輔助字面用以收錄IS0-10646后續(xù)搜集的各國文字，專用字面供使用者自定義收錄ISO-10646未收錄的文字符號(hào)。大部分用戶只是用BMP字面就足夠了，早期的ISO-10646標(biāo)準(zhǔn)也只要求實(shí)現(xiàn)BMP字面，這樣只需要2字節(jié)來編碼就足夠了，Unicode也正是這么做的，這叫做ISO-10646編碼的基本面形式，簡稱為UCS-2編碼，UCS-2編碼轉(zhuǎn)換成UCS-4編碼也很容易，只要在前面加兩個(gè)取值為0的字節(jié)即可
• Unicode雙字節(jié)編碼方式比起ISO-10646的4字節(jié)原始編碼來說，在節(jié)省內(nèi)存和處理時(shí)間上都具有優(yōu)勢(shì)，這也是Unicode編碼方式更流行的原因。如果需要使用ISO-10646 BMP字面意外的文字，Unicode提出了名為UTF-16或代理法的解決方案，UTF是UCS/Unicode Transformation Format的縮寫。UTF-16的解決辦法是：對(duì)BMP字面的編碼保持二字節(jié)不變，對(duì)其他字面的文字按一定規(guī)則將其32位編碼轉(zhuǎn)換為兩個(gè)16位的Unicode編碼，供兩個(gè)字節(jié)的取值范圍分別限定為0XD800~0xDBFF和0xDC00~0xDFFF，因此，UTF-16共有( 4 * 256 ) * ( 4 ?* 256 ) = 1048576 個(gè)碼位
• 雖然UTF-16解決了ISO-10646除BMP外第1~15字面的編碼問題，但當(dāng)時(shí)的計(jì)算機(jī)和網(wǎng)絡(luò)還是ASCII的天下，只能處理單字節(jié)數(shù)據(jù)流，UTF-16在離開Unicode環(huán)境后，在傳輸和處理中都存在問題。于是Unicode又提出了名為UTF-8的解決方案，UTF-8按一定規(guī)則將一個(gè)ISO-10646或Unicode字元碼轉(zhuǎn)換成1~4個(gè)字節(jié)的編碼，其中將ASCII碼(0~0x7F)轉(zhuǎn)換成單字節(jié)編碼，也就是嚴(yán)格兼容ASCII字符集；UTF-8的2字節(jié)編碼，用以轉(zhuǎn)換ISO-10646標(biāo)準(zhǔn)0x0080~0x07FF的UCS-4原始碼；UTF-8的3字節(jié)編碼，用以轉(zhuǎn)換ISO-10646標(biāo)準(zhǔn)0x0800~0xFFFF的UCS-4原始碼；UTF-8的4字節(jié)編碼，用以轉(zhuǎn)換ISO-10646標(biāo)準(zhǔn)0X00010000~0001FFFF的UCS-4原始碼。
• ISO-10646只是給每一個(gè)文字符號(hào)分配了一個(gè)4字節(jié)無符號(hào)整數(shù)編號(hào)(UCS-4)，并未規(guī)定在計(jì)算機(jī)中如何去表示這個(gè)無符號(hào)的整數(shù)編號(hào)。UTF-16和UTF-8就是其兩種變通表示方式。
• 現(xiàn)在，Unicode和ISO-10646一般指的是同一個(gè)東西
• UTF-16和UTF-32因字節(jié)序的不同，又有了UTF-16BE(B一個(gè)Endian), UTF-16LE(Little Endian), UTF-32BE(Big Endian), UTF-32LE(Little Endian)等

?

3.漢字及一些常見的字符集

• GB 2312-80：全稱《信息交換用漢字編碼字符集 基本集》，于1980年發(fā)布。根據(jù)ISO/IEC 2022提供的字符編碼擴(kuò)充規(guī)范，形成雙字節(jié)編碼的字符集。收錄了常用漢字6763個(gè)和非漢字圖形符號(hào)682個(gè)
• GB13000:全稱《信息技術(shù) 通用多八位編碼字符集(UCS) 第一部分：體系結(jié)構(gòu)與基本多文種平面》，于1993年發(fā)布、根據(jù)ISO/IEC 10646-1:1993，在CJK（中日韓簡稱）統(tǒng)一漢字區(qū)和CJK統(tǒng)一漢字?jǐn)U充區(qū)A，除收錄GB 2312-80外，還收錄了第1,3,5,7輔助集的全部漢字，宮27474個(gè)，以及一些偏旁部首等。但GB13000退出后，幾乎沒有得到業(yè)界的支持，也就成了一個(gè)形式上的標(biāo)準(zhǔn)
• GBK:全稱《漢字內(nèi)碼擴(kuò)展規(guī)范》 1.0版，發(fā)布于1995年。GBK在GB2312內(nèi)碼系統(tǒng)上進(jìn)行了擴(kuò)充，收錄了GB 13000.1-1993的全部20902個(gè)CJK統(tǒng)一漢字，包括GB2312的全部6763個(gè)漢字。此外，他增補(bǔ)編碼了52個(gè)漢字，13個(gè)漢字結(jié)構(gòu)符(在ISO/IEC 10646.1:2000中稱為表意文字描述符)和一些常用部首與漢字部件。在GBK內(nèi)碼系統(tǒng)中，GB 2312漢字所在碼位保持不變，這樣，保證了GBK對(duì)GB 2312的完全兼容。同時(shí)，GBK內(nèi)碼與GB13000.1代碼一一對(duì)應(yīng)，為GBK向GB 13000.1的轉(zhuǎn)換提供了解決辦法。有意思的是GBK并不是一個(gè)強(qiáng)制性的國家標(biāo)準(zhǔn)，只是一個(gè)行業(yè)指導(dǎo)規(guī)范，并沒有強(qiáng)制力，但由于得到了Microsoft Windows95的支持而大為流行
• GB 18030:全稱《信息技術(shù)信息交換用漢字編碼字符集、基本集的擴(kuò)充》，發(fā)布于2000年。根據(jù)ISO/IEC 10646-1:2000，收錄了ISO/IEC 10646.1：2000全部27848個(gè)CJK統(tǒng)一漢字，13個(gè)表意文字描述符、部分漢字部首和部件、歐元符號(hào)等。GB 18030采用2字節(jié)或4字節(jié)編碼，其二字節(jié)編碼部分與GBK保持一致，因此，GB18030SHI GBK的超集，也完全與GB 13000向上兼容，制定GB 18030也是為了解決GBK強(qiáng)制力不夠的問題

?

常用字符集比較

字符集	是否定長	編碼方式	其他說明
ASCII	是	單字節(jié)7位編碼	最早的奠基性字符集
ISO-8859-1/latin1	是	單字節(jié)8位編碼	西歐字符集，經(jīng)常被一些程序員用來轉(zhuǎn)碼
GB 2312-80	是	雙字節(jié)編碼	早起標(biāo)準(zhǔn)，不推薦再使用
GBK	是	雙字節(jié)編碼	雖然不是國標(biāo)，但支持的系統(tǒng)不少
GB 18030	否	2字節(jié)或4字節(jié)編碼	開始有一些支持，但數(shù)據(jù)庫支持的還少見
UTF-32	是	4字節(jié)編碼	UCS-4原始編碼，目前很少采用
UCS-2	是	2字節(jié)編碼	Windows2000內(nèi)部用UCS-2
UTF-16	否	2字節(jié)編碼或4字節(jié)編碼	Java和Windows XP/NT等內(nèi)部使用UTF-16
UTF-8	否	1~4字節(jié)編碼	互聯(lián)網(wǎng)和UNIX/Linux廣泛支持的Unicode字符集；MySQLServer也使用UTF-8

?

?

4.選擇合適的字符集

• 對(duì)數(shù)據(jù)庫來說，字符集更加重要，因?yàn)閿?shù)據(jù)庫存儲(chǔ)的數(shù)據(jù)大部分都是各種文字，字符集對(duì)數(shù)據(jù)庫的存儲(chǔ)、處理性能，以及日后系統(tǒng)的移植、推廣都會(huì)有影響
• MySQL目前支持幾十種字符集，包括UCS-2, UTF-16, UTF-16TE, UTF-32, UTF-8和utfmb64等Unicode字符集
• 滿足應(yīng)用支持語言的需求，如果應(yīng)用要處理各種各樣的文字，或者將發(fā)布到使用不同漢語言的國家和地區(qū)，就應(yīng)該選擇Unicode字符集、對(duì)MySQL來說，目前就是UTF-8
• 如果應(yīng)用中涉及已有數(shù)據(jù)的導(dǎo)入，就要充分考慮數(shù)據(jù)庫字符集對(duì)已有數(shù)據(jù)的兼容性。
• 如果數(shù)據(jù)庫只需要支持一般中文數(shù)據(jù)量很大，性能要求也很高，那就應(yīng)該選擇雙字節(jié)定長編碼的中文字符集，比如GBK。因?yàn)閷?duì)UTF-8而言，GBK比較小，每個(gè)漢字只占2個(gè)字節(jié)，而UTF-8漢字編碼需要3個(gè)字節(jié)，這樣可以減少磁盤I/O、數(shù)據(jù)庫Cache以及網(wǎng)絡(luò)傳輸?shù)臅r(shí)間，從而提高性能。相反，如果應(yīng)用主要處理英文字符，僅有少量漢字?jǐn)?shù)據(jù)，那么選擇UTF-8更好，因?yàn)镚BK、UCS-2、UTF-16的西文字符編碼都是2個(gè)字節(jié)，會(huì)造成很多不必要的開銷
• 如果數(shù)據(jù)庫需要做大量的字符運(yùn)算，如比較、排序等，那么選擇定長字符集可能更好，因?yàn)槎ㄩL字符集的處理速度要比變長字符集的處理速度快
• 如果所有客戶端程序都支持相同的字符集，則應(yīng)該優(yōu)先選擇該字符集作為數(shù)據(jù)庫字符集，這樣可以避免因字符集轉(zhuǎn)換帶來的性能開銷和數(shù)據(jù)損失

?

5.MySQL支持的字符集簡介

• MySQL服務(wù)器可以支持多種字符集，在同一臺(tái)服務(wù)器、同一個(gè)數(shù)據(jù)庫甚至同一個(gè)表的不同字段都可以指定使用不同的字符集，相比Oracle等其他數(shù)據(jù)庫管理系統(tǒng)，在同一個(gè)數(shù)據(jù)庫只能使用相同的字符集，MySQL明顯存在很大的靈活性。
• 查看所有可用的字符集的命令
  　　　　　　SHOW CHARACTER SET
• 顯示所有的字符集和該字符集默認(rèn)的校對(duì)規(guī)則
  　　　　　　DESC information_schema.character_set
• MySQL的字符集包括字符集(CHARACTER)和校對(duì)規(guī)則(COLLAION)兩個(gè)概念。其中字符集用來定義MySQL存儲(chǔ)字符串的方式，校對(duì)規(guī)則用來定義比較字符串的方式。字符集和校對(duì)規(guī)則是一對(duì)多的關(guān)系，MySQL支持30多種字符集的70多種校對(duì)規(guī)則。每個(gè)字符集至少對(duì)應(yīng)一個(gè)校對(duì)規(guī)則，可以用
  　　　　　　SHOW COLLATION LIKE '***'
  　　　　或通過表 information_schema.COLLATIONS來查看相關(guān)字符集的校對(duì)規(guī)則
  校對(duì)規(guī)則命名約定：他們以其相關(guān)的字符集名開始，通常包括一個(gè)語言名，并且以_ci(大小寫不敏感)，_cs(大小寫敏感)，_bin(二元，即比較是基于字符編碼的值而與language無關(guān))結(jié)束

?

6.MySQL字符集的設(shè)置

• MySQL的字符集和校對(duì)規(guī)則有4個(gè)級(jí)別的默認(rèn)設(shè)置：服務(wù)器級(jí)、數(shù)據(jù)庫級(jí)、表級(jí)、字段級(jí)。他們分別在不同的地方設(shè)置，作用也不相同
• 服務(wù)器字符集和校對(duì)規(guī)則
  服務(wù)器字符集和校對(duì)規(guī)則，可以在MySQL服務(wù)啟動(dòng)的確定。
  　　　　可以在 my.cnf 中設(shè)置
  　　　　　　　　character-set-server=gbk
  　　　　或者在啟動(dòng)選項(xiàng)中指定
  　　　　　　　　mysqld --character-set-server=gbk
  　　　　或者在編譯時(shí)指定
  　　　　　　　　cmake . -DEFAULT_CHARSET=gbk
  如果沒有特別的指定服務(wù)器字符集，那么默認(rèn)使用latin1作為服務(wù)器字符集。上面3種設(shè)置的方式都只制定了字符集，沒有指定校對(duì)規(guī)則，這樣意味著使用該字符集默認(rèn)的校對(duì)規(guī)則。如果要使用該字符集非默認(rèn)的校對(duì)規(guī)則，則需要在指定字符集的同時(shí)指定校對(duì)規(guī)則。
  查詢當(dāng)前服務(wù)器的字符集和校對(duì)規(guī)則
  　　　　SHOW VARIABLES LIKE 'character_set_server'
• 數(shù)據(jù)庫字符集和校對(duì)規(guī)則
  數(shù)據(jù)庫的字符集和校對(duì)規(guī)則在創(chuàng)建數(shù)據(jù)庫的時(shí)候指定，也可以在創(chuàng)建完數(shù)據(jù)庫后通過ALTER DATABASE命令進(jìn)行修改。需要注意的是，如果數(shù)據(jù)庫里已經(jīng)存在數(shù)據(jù)，因?yàn)樾薷淖址⒉荒軐⒁延械臄?shù)據(jù)按照新的字符集進(jìn)行存放，所以不能通過修改數(shù)據(jù)庫的字符集直接修改數(shù)據(jù)的內(nèi)容。
  設(shè)置數(shù)據(jù)庫字符集的規(guī)則如下：
  　　　　如果指定了字符集和校對(duì)規(guī)則。則使用指定的字符集和校對(duì)規(guī)則
  　　　　如果指定了字符集沒有指定校對(duì)規(guī)則，則使用指定字符集的默認(rèn)校對(duì)規(guī)則
  　　　　如果指定了校對(duì)規(guī)則但未指定字符集，則字符集使用與該校對(duì)規(guī)則關(guān)聯(lián)的字符集
  　　　　如果沒有指定字符集和校對(duì)規(guī)則，則使用服務(wù)器字符集和校對(duì)規(guī)則作為數(shù)據(jù)庫的字符集和校對(duì)規(guī)則
  推薦在創(chuàng)建數(shù)據(jù)庫時(shí)明確指定字符集和校對(duì)規(guī)則，避免受到默認(rèn)值的影響。
  顯示當(dāng)前數(shù)據(jù)庫默認(rèn)的字符集和校對(duì)規(guī)則
  　　　　SHOW VARIABLES LIKE 'character_set_database'
  　　　　SHOW VARIABLES LIKE 'collation_database'
• 表字符集和校對(duì)規(guī)則
  表的字符集和校對(duì)規(guī)則在創(chuàng)建表的時(shí)候指定，可以通過ALTER TABLE 命令進(jìn)行修改，同樣，如果表中已有記錄，修改字符集對(duì)原有的記錄并沒有影響，不會(huì)按照新的字符集進(jìn)行存放。表的字段仍然使用原來的字符集。
  設(shè)置表的字符集的規(guī)則
  　　　　如果指定了字符集和校對(duì)規(guī)則。則使用指定的字符集和校對(duì)規(guī)則
  　　　　如果指定了字符集沒有指定校對(duì)規(guī)則，則使用指定字符集的默認(rèn)校對(duì)規(guī)則
  　　　　如果指定了校對(duì)規(guī)則但未指定字符集，則字符集使用與該校對(duì)規(guī)則關(guān)聯(lián)的字符集
  　　　　如果沒有指定字符集和校對(duì)規(guī)則，則使用數(shù)據(jù)庫字符集和校對(duì)規(guī)則作為數(shù)據(jù)庫的字符集和校對(duì)規(guī)則
  推薦在創(chuàng)建表的時(shí)候明確指定字符集和校對(duì)規(guī)則，以避免受到默認(rèn)值得影響。
  顯示表的字符集和校對(duì)規(guī)則
  　　　　SHOW CREATE TABLE table_name
• 列字符集和校對(duì)規(guī)則
  MySQL可以定義列級(jí)別的字符集和校對(duì)規(guī)則，主要是針對(duì)相同的表不同字符需要使用不同的字符集情況，應(yīng)該說一般遇到這種情況的幾率比較小，這只是MySQL提供給我們一個(gè)靈活設(shè)置的手段。
  列字符集和校對(duì)規(guī)則的定義可以在創(chuàng)建表時(shí)指定，或者在修改表時(shí)調(diào)整，如果在創(chuàng)建表的時(shí)候沒有特別指定字符集和校對(duì)規(guī)則，則默認(rèn)使用表的字符集和校對(duì)規(guī)則。
• 連接字符集和校對(duì)規(guī)則
  上面4種設(shè)置方式，確定的是數(shù)據(jù)保存的字符子和校對(duì)規(guī)則，對(duì)于實(shí)際應(yīng)用訪問來說，還存在客戶端和服務(wù)器之間交互的字符集和校對(duì)規(guī)則的設(shè)置。
  對(duì)于客戶端和服務(wù)器的交互操作，MySQL提供了3個(gè)不同的參數(shù)：
  　　　　character_set_client　　　　客戶端
  　　　　character_set_connection　 連接
  　　　　character_set_results　　　 返回結(jié)果的字符集
  通常情況下，這3個(gè)字符集應(yīng)該是相同的，才可以確保用戶寫入的數(shù)據(jù)可以正確的讀出，特別是對(duì)于中文字符，不同的寫入字符集和返回結(jié)果字符集將導(dǎo)致寫入的記錄不能正確的讀出。
  通常情況下，不會(huì)單個(gè)的設(shè)置這3個(gè)參數(shù)，可以通過以下命令：
  　　　　SET NAMES ***
  來設(shè)置連接的字符集和校對(duì)規(guī)則，這個(gè)命令可以同時(shí)修改這3個(gè)參數(shù)的值。使用這個(gè)方法修改連接的字符集和校對(duì)規(guī)則，需要應(yīng)用每次連接數(shù)據(jù)庫后都執(zhí)行這個(gè)命令。
  另一個(gè)更簡便的方法，是在my.cnf中設(shè)置以下語句：
  　　　　t-character-set=gbk
  這樣服務(wù)器啟動(dòng)后，所有連接默認(rèn)就是使用GBK字符集進(jìn)行連接的，而不需要在程序中在執(zhí)行set names命令。
  另外，字符串常量的字符集也是由character_set_connection參數(shù)來指定的
  可以通過 [_charset_name] 'string' [COLLATE collation_name] 命令強(qiáng)制字符串的字符集和校對(duì)規(guī)則。通常情況下，基本不需要用戶強(qiáng)制指定字符串字符集。

?

7.字符集的修改步驟

• 如果在應(yīng)用開始階段沒有正確的設(shè)置字符集，在運(yùn)行一段時(shí)間以后才發(fā)現(xiàn)存在不能滿足要求需要調(diào)整，又不想丟棄這段時(shí)間的數(shù)據(jù)，那么就需要進(jìn)行字符集的修改。
  字符集修改不能直接通過ALTER TABLE CHARACTER SET *** 或 ALTER TABLE table_name character set *** 命令進(jìn)行，這兩個(gè)命令都沒有更新已有記錄的字符集，而只是對(duì)創(chuàng)建的表或者記錄生效。已有記錄的字符集調(diào)整，需要先將數(shù)據(jù)導(dǎo)出，經(jīng)過適當(dāng)?shù)恼{(diào)整重新導(dǎo)入后才可完成。
• 選擇目標(biāo)字符集的時(shí)候，要注意最好是源字符集的超集，或者確定比源字符集的字庫更大，否則如果目標(biāo)字符集的字符小于源字符集的字庫，那么目標(biāo)字符集中不支持的字符導(dǎo)入后會(huì)變成亂碼，丟失一部分?jǐn)?shù)據(jù)。
  
  
  
  實(shí)例：
  模擬將latin1字符集的數(shù)據(jù)庫修改成GBK字符集的數(shù)據(jù)庫的過程
  1) 導(dǎo)出表結(jié)構(gòu)
  　　　　　　mysqldump -uroot -p --default-character-set=gbk -d databasename > createtab.sql
  　?　　　　 ?其中--default-character-set=gbk表示設(shè)置以什么字符集連接，-d表示只導(dǎo)出表結(jié)構(gòu)，不導(dǎo)出數(shù)據(jù)
  2) 手工修改createtab.sql中表結(jié)構(gòu)定義中的字符集為新的字符集
  3) 確保記錄不再更新，導(dǎo)出所有記錄
  　　　　　　mysqldump -uroot -p --quick --no-create-info --extended-insert --default-character-set=latin1 databasename > data.sql
  　　　　　　--quick：該選項(xiàng)用于轉(zhuǎn)出打的表。他強(qiáng)制mysqldump從服務(wù)器一次一行地檢索表中的行而不是檢索所有行，并在輸出前將他緩存到內(nèi)存中
  　　　　　　--extended-insert：使用包括幾個(gè)VALUES列表的多行INSERT語法。這樣使轉(zhuǎn)出文件更小，重載文件時(shí)可以加速插入
  　　　　　　--no-create-info：不導(dǎo)出每個(gè)轉(zhuǎn)儲(chǔ)表的CREATE TABLE語句
  　　　　　　--default-character-set=latin1：按照原有的字符集導(dǎo)出所有數(shù)據(jù)就，這樣導(dǎo)出的文件中，所有中文都是可見的。不會(huì)保存成亂碼
  4) 打開data.sql，將SET NAMES latin1修改成SET NAMES gbk
  5) 使用新的字符集創(chuàng)建新的數(shù)據(jù)庫
  　　　　　　CREATE DATABASE database_name
  　　　　　　DEFAULT CHARSET charset_name
  6) 創(chuàng)建表，執(zhí)行 createtab.sql
  　　　　　　mysql -uroot -p databasename < createtab.sql
  7) 導(dǎo)入數(shù)據(jù)，執(zhí)行data.sql
  　　　　　　mysql -uroot -p databasename < data.sql

轉(zhuǎn)載于:https://www.cnblogs.com/microcat/p/6606028.html

總結(jié)

以上是生活随笔為你收集整理的MySQL--字符集的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。