最近一直在研究MYSQL的字符集问题，发现问题并不简单，所以有必要深究一番。

utf8_unicode_ci PK utf8_general_ci

当前，utf8_unicode_ci校对规则仅部分支持Unicode校对规则算法。一些字符还是不能支持。并且，不能完全支持组合的记号。这主要影响越南和俄罗斯的一些少数民族语言，如：Udmurt 、Tatar、Bashkir和Mari。

utf8_unicode_ci的最主要的特色是支持扩展，即当把一个字母看作与其它字母组合相等时。例如，在德语和一些其它语言中‘ß'等于‘ss'。

utf8_general_ci是一个遗留的 校对规则，不支持扩展。它仅能够在字符之间进行逐个比较。这意味着utf8_general_ci校对规则进行的比较速度很快，但是与使用utf8_unicode_ci的 校对规则相比，比较正确性较差)。

例如，使用utf8_general_ci和utf8_unicode_ci两种 校对规则下面的比较相等：

Ä = A

Ö = O

Ü = U

两种校对规则之间的区别是，对于utf8_general_ci下面的等式成立：

ß = s

但是，对于utf8_unicode_ci下面等式成立：

ß = ss

对于一种语言仅当使用utf8_unicode_ci排序做的不好时，才执行与具体语言相关的utf8字符集 校对规则。例如，对于德语和法语，utf8_unicode_ci工作的很好，因此不再需要为这两种语言创建特殊的utf8校对规则。

utf8_general_ci也适用与德语和法语，除了‘ß'等于‘s'，而不是‘ss'之外。如果你的应用能够接受这些，那么应该使用utf8_general_ci，因为它速度快。否则，使用utf8_unicode_ci，因为它比较准确。

总结：

utf8_unicode_ci和utf8_general_ci对中、英文来说没有实质的差别。

utf8_general_ci校对速度快，但准确度稍差。

utf8_unicode_ci准确度高，但校对速度稍慢

2.字符集

字符集和校对规则

字符集是一套符号和编码。校对规则是在字符集内用于比较字符的一套规则。

MySql在collation提供较强的支持，oracel在这方面没查到相应的资料。

不同字符集有不同的校对规则，命名约定：以其相关的字符集名开始，通常包括一个语言名，并且以_ci(大小写不敏感)、_cs(大小写敏感)或_bin(二元)结束

校对规则一般分为两类：

binary collation，二元法，直接比较字符的编码，可以认为是区分大小写的，因为字符集中'A'和'a'的编码显然不同。

字符集_语言名，utf8默认校对规则是utf8_general_ci

mysql字符集和校对规则有4个级别的默认设置：服务器级、数据库级、表级和连接级。

具体来说，我们系统使用的是utf8字符集，如果使用utf8_bin校对规则执行sql查询时区分大小写，使用utf8_general_ci 不区分大小写。不要使用utf8_unicode_ci。

如create database demo CHARACTER SET utf8; 默认校对规则是utf8_general_ci 。

Unicode与UTF8

Unicode只是一个符号集，它只规定了符号的二进制代码，却没有规定这个二进制代码应该如何存储.

UTF8字符集是存储Unicode数据的一种可选方法。mysql同时支持另一种实现ucs2。

详细说明

字符集(charset)：是一套符号和编码。

校对规则(collation)：是在字符集内用于比较字符的一套规则，比如定义'A'

每个字符集有一个或多个校对规则，并且每个校对规则只能属于一个字符集。

binary collation，二元法，直接比较字符的编码，可以认为是区分大小写的，因为字符集中'A'和'a'的编码显然不同。除此以外，还有更加复杂的比较规则，这些规则在简单的二元法之上增加一些额外的规定，比较就更加复杂了。

mysql5.1在字符集和校对规则的使用比其它大多数数据库管理系统超前许多，可以在任何级别进行使用和设置，为了有效地使用这些功能，你需要了解哪些字符集和 校对规则是可用的，怎样改变默认值，以及它们怎样影响字符操作符和字符串函数的行为。

校对规则一般有这些特征：

两个不同的字符集不能有相同的校对规则。

每个字符集有一个默认校对规则。例如，utf8默认校对规则是utf8_general_ci。

存在校对规则命名约定：它们以其相关的字符集名开始，通常包括一个语言名，并且以_ci(大小写不敏感)、_cs(大小写敏感)或_bin(二元)结束

确定默认字符集和校对

字符集和校对规则有4个级别的默认设置：服务器级、数据库级、表级和连接级。

数据库字符集和校对

每一个数据库有一个数据库字符集和一个数据库校对规则，它不能够为空。CREATE DATABASE和ALTER DATABASE语句有一个可选的子句来指定数据库字符集和校对规则：

例如：

CREATE DATABASE db_name DEFAULT CHARACTER SET latin1 COLLATE latin1_swedish_ci;

MySQL这样选择数据库字符集和数据库校对规则：

· 如果指定了CHARACTER SET X和COLLATE Y，那么采用字符集X和校对规则Y。

· 如果指定了CHARACTER SET X而没有指定COLLATE Y，那么采用CHARACTER SET X和CHARACTER SET X的默认校对规则。

· 否则，采用服务器字符集和服务器校对规则。

在SQL语句中使用COLLATE

•使用COLLATE子句，能够为一个比较覆盖任何默认校对规则。COLLATE可以用于多种SQL语句中。

使用WHERE：

select * from pro_product where product_code='ABcdefg' collate utf8_general_ci

Unicode与UTF8

Unicode只是一个符号集，它只规定了符号的二进制代码，却没有规定这个二进制代码应该如何存储.Unicode码可以采用UCS-2格式直接存储.mysql支持ucs2字符集。

UTF-8就是在互联网上使用最广的一种unicode的实现方式。其他实现方式还包括UTF-16和UTF-32，不过在互联网上基本不用。

UTF8字符集(转换Unicode表示)是存储Unicode数据的一种可选方法。它根据RFC 3629执行。UTF8字符集的思想是不同Unicode字符采用变长字节序列编码：

· 基本拉丁字母、数字和标点符号使用一个字节。

· 大多数的欧洲和中东手写字母适合两个字节序列：扩展的拉丁字母(包括发音符号、长音符号、重音符号、低音符号和其它音符)、西里尔字母、希腊语、亚美尼亚语、希伯来语、阿拉伯语、叙利亚语和其它语言。

· 韩语、中文和日本象形文字使用三个字节序列

来自：用梦想丈量人生，用奔跑丈量激情

校对集

MySQL5.5.8中共有字符集39，校对集195个

#显示所有的校对集

Show collation

#显示所有的字符集

show character set

所以一个字符集对应多个校对集，即同样的一个字符集有多重排序规则

比如一个utf8的字符集共有22中排序规则

3.character_set和collation

MySql:charset和collation的设置

charset 和 collation 有多个级别的设置：服务器级、数据库级、表级、列级和连接级

www.2cto.com

1.服务器级

查看设置：show global variables like 'character_set_server'; 和 show global variables like 'collation_server';

修改设置：在OPTION FILE (/etc/mysql/my.cnf)里设置：

[mysqld]

character_set_server=utf8

collation_server=utf8_general_ci

2. 数据库级

查看设置：select * from information_schema.schemata where schema_name = 'cookbook';

设置：

1.若没有显式设置，则自动使用服务器级的配置

2.显式设置：在创建库时指定

create database playUtf8  DEFAULT CHARACTER SET latin1 COLLATE latin1_swedish_ci;

www.2cto.com

3.表级

查看设置：show create table course;

设置：

1.若没有显式设置，则自动使用数据库级的配置

2.显式设置：在创建表时指定

create table utf ( id int ) default charset=utf8 default collate=utf8_bin;

4.列级

查看设置：show create table course;

设置：

1.若没有显式设置，则自动使用表级的配置

2.显式设置：

CREATE TABLE Table1(column1 VARCHAR(5) CHARACTER SET latin1 COLLATE latin1_german1_ci);

5.连接级别

查看设置：

show variables like 'character_set_client';  # 服务端使用这个编码来理解客户端发来的statements

show variables like 'character_set_connection' ; # 我还不知道什么意思，等看了mysql源码再说

show variables like 'character_set_results'; # 服务端使用这个编码回送结果集和错误信息

设置：

客户端在连接时可以指定这些参数；同时，服务端也提供了一个Global范围的值，客户端未指定这些参数时，服务端就使用这个Global值。这个global值怎么设置的？　我查遍了很多文档，似乎还没看到设置的办法　(有人说通过my.cnf，或者在启动mysqld时指定命令行参数，其实都是错的)

附：connector/j传输SQL时用什么编码？

答案： "The character encoding between client and server is automatically detected upon connection. The encoding used by the driver is specified on the server using the character_set_server system variable for server versions 4.1.0 and newer."

也就是说，是在连接时查询服务器端的character_set_server值，再确定连接将使用的编码。

不过，官方文档还说，"要想覆盖客户端上的自动检测编码功能，可在用于连接到服务器的URL中使用“characterEncoding”属性。"