mysql字符集

字符集基础

字符集：数据库中的字符集包含两层含义

各种文字和符号的集合，包括各国家文字，标点符号，图形符号，数字等。

字符的编码方式，即二进制数据与字符的映射规则；

字符集分类：

ASCII：美国信息互换标准编码；英语和其他西欧语言；单字节编码，7位(bits)表示一个字符，共128字符。

GBK：汉字内码扩展规范；中日韩汉字、英文、数字；双字节编码；共收录了21003个汉字，GB2312的扩展。

utf-8：Unicode标准的可变长度字符编码；Unicode标准(统一码)，业界统一标准，包含世界上数十种文字的系统；utf-8使用一至4个字节为每一个字符编码。

其他常见字符集：utf-32，utf-16，big5(繁体字),latin1()

mysql字符集：

查看字符集：

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 |

| 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 |

新增字符集：

在编译mysql时用--with-charset=gbk 来新增字符集

字符集与字符序(字符排序的规则)

charset 和 collation

字符集与字符序是一对多的关系，但一个字符集至少有一个字符序

collation：字符序，字符的排序与比较规则，每个字符集都有对应的多套字符序。

不同的字符序决定了字符串在比较排序中的精度和性能不同。

查看字符序

mysql> SHOW COLLATION ;

mysql的字符序遵从命名惯例：

以_ci(表示大小写不敏感)

以_cs(表示大小写敏感)

以_bin(表示用编码值进行比较)

字符集设置级别

charset 和 collation的设置级别：

服务器级>>数据库级>>表级>>列级

服务器级

系统变量(可动态设置)：

--character_set_server:默认的内部操作字符集

--character_set_system:系统元数据(字段，表名等)字符集

设置：

使用命令直接设置

配置文件中设置：mysqld,

数据库级(数据库中存储数据的默认字符集)

create database db_name character set latin1 collate latin1_swedish_ci;

-character_set_database:当前选中数据库的默认字符集

主要影响load data 等语句的默认字符集；create database的字符集如果不设置，默认使用character_set_server的字符集。

表级

mysql>create table tbl(...) default charset=utf-8 default collate=utf8_bin

数据存储字符集使用规则：

使用列集的character set 设定值

若列级字符集不存在，则使用对应表级的default character set 设定值；

若表级字符集不存在，则使用数据库级的default character set 设定值

若数据库字符集不存在，则使用服务器级character_set_server设定值

实践

查看字符集

show [global] variables like 'character%'

show [global] variables like 'collation%'

mysql> SHOW VARIABLES LIKE '%CHARACTER%';+--------------------------+----------------------------+

| Variable_name | Value |

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

| character_set_client | utf8 |

| character_set_connection | utf8 |

| character_set_database | latin1 |

| character_set_filesystem | binary |

| character_set_results | utf8 |

| character_set_server | latin1 |

| character_set_system | utf8 |

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

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

8 rows in set (0.00sec)

mysql> SHOW VARIABLES LIKE '%collation%';+----------------------+-------------------+

| Variable_name | Value |

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

| collation_connection | utf8_general_ci |

| collation_database | latin1_swedish_ci |

| collation_server | latin1_swedish_ci |

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

修改字符集

修改服务器级字符集

set global character_set_server=utf8; (全局)

修改表级字符集

alter table tbl convert to character set XXX;(表)

mysql> alter table stu convert to character set utf8;

客户端连接与字符集

连接与字符集

-character_set_client:客户端来源数据使用的字符集(客户端程序发过来的SQL用什么来编码的)

-character_set_conection:连接层字符集(做中间层转换)

-character_set_results:查询结果字符集(返回给客户端程序用的字符集)

一般可以统一设置(推荐)：

msyql>set names utf8;

也可以统一叫做连接字符集；

在配置文件中：

default-character-set = utf8

客户端连接字符集

常见乱码原因：

数据存储字符集不能正确编码(不支持)client发来的数据：client(utf8)->storage(latin1)

程序连接使用的字符集与通知mysql的character_set_client，character_set_conection，character_set_results 等不一致或不兼容。(告诉mysql：set names gbk ;程序连接使用的字符集一致)

1.甚至表本身utf8,而设置 set names gbk, 程序连接也使用 gbk;

此时向表中插入汉字，依然可以显示而并不乱码,因为虽然程序连接使用gbk编码，mysql内部会将gbk转换成utf8来显示；

2.表utf8,set names utf8,但是 程序连接使用 gbk,此时向表中插入汉字，是乱码的。

load data 出现乱码：

aiapple@ubuntu:~$ filetest.t

test.t: UTF-8 Unicode textaiapple@ubuntu:~$ cat test.t

你好

mysql> show variables like '%char%';+--------------------------+----------------------------+

| Variable_name | Value |

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

| character_set_client | utf8 |

| character_set_connection | utf8 |

| character_set_database | gbk |

| character_set_filesystem | binary |

| character_set_results | utf8 |

| character_set_server | utf8 |

| character_set_system | utf8 |

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

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

8 rows in set (0.00sec)

mysql>load data infile '/home/aiapple/test.t' into table t;

此时会出现乱码，即告知数据库的character_set_database   的字符集与程序使用的文件test.t 不一样；

更改set character_set_database   =   utf8 则能正常显示；

这里与 普通告知mysql字符集 set names xxx 区别开来，毕竟是导入表到一个数据库当中，应该使数据库的字符集与文件的字符集相同

客户端连接与字符集

使用建议：

创建数据库/表时显示的指定字符集，不使用默认

连接字符集与数据存储字符集设置一致，推荐使用utf8

驱动程序连接时显示指定字符集(set names xxx)

客户端的设置：

三要素：

１.程序驱动或客户端的字符集(在客户端设置)

２.告知mysql的字符集(set names xxx)

3.数据存储的字符集(表结构的字符集alter table tbl convert to character set xxx)

前两个必须一致才不会出现乱码，推荐三个都设置成一致

需求：在系统运行了一段时间，有了一定的数据，后发现字符集不能满足要求需要重新修改，又不想丢弃这段时间的数据。

alter database character set xxx 或者alter table  tablename character set xxx；这两条命令只对想创建的表或者记录生效

方法：先将数据导出，经过适当的调整重新导入才可完成。

以下模拟的是将latin1字符集的数据库修改成GBK字符集的数据库的过程

1)导出表结构

mysqldump -uroot -p --default-character-set=gbk -d WY_yun >createtab.sq

--default-character-set表示设置以什么字符集连接；-d表示只导出表结构，不导出数据

2)手动修改creatatab.sql中表结构定义中的字符集为新的字符集

3)确保记录不在更新，导出所有记录

mysqldump -uroot -p --quick --no-create-info --extended-insert --default-character-set=latin1 WY_yun > data.sql

-quick：该选项用于转存储大的表。它强制mysqldump 从服务器一次一行地检索表中的行，而不是检索所有的行，并在输出前将它缓存到内存中。

--no-create-info：不写重新创建么个转存储表的create table 语句

--extended-insert：使用包括几个VALUES列表的多行insert语法。这样使转存储文件更小，重载文件时可以加速插入

--default-character-set=latin1:按照原有的字符集导出所有数据，这样导出的文件中，所有中文都是可见的，不会保存成乱码

4)修改数据的字符集为新字符集---打开data.sql，将set names latin1 修改成 set names gbk

5)使用新得字符集创建新的数据库

mysql> create database na default charset gbk;

6)将新字符集的表结构导入新库；创建表，执行createtab.sql

mysql -uroot -p na

7) 将新字符集的数据文件导入新库；导入数据，执行data.sql

mysql -uroot -p na < data.sql

似乎实验没有成功可以去提问？

总结

字符集与字符序是1:N

字符序是字符的排序与比较规则及字符的精度和性能；

表级别字符集修改：alter table stu convert to character set utf8;

三个连接相关字符集统一设置：set names utf8;

常见乱码原因

load数据时，因让数据库级别的字符集与文件相同；

三要素：

程序驱动或客户端的字符集(在客户端设置)

告知mysql的字符集(set names xxx)

数据存储的字符集(表结构的字符集alter table tbl convert to character set xxx)

运行一段时间后发现数据乱码，如何保存数据；