第 42.1 节：选择哪种 CHARACTER SET 和 COLLATION？

有几十种字符集和数百种排序规则。（一个给定的排序规则只属于一个字符集。）查看 SHOW COLLATION; 的输出。

通常只有 4 种 CHARACTER SET 比较重要：

  • ascii —— 基本的 7 位编码。
  • latin1 —— ascii，加上西欧语言所需的大多数字符。
  • utf8 —— utf8 的 1、2、3 字节子集。这不包括 Emoji 和部分中文字符。
  • utf8mb4 —— UTF8 字符的完整集合，覆盖当前所有语言。

所有以上都包含英文字符，编码相同。utf8 是 utf8mb4 的子集。

最佳实践：

  • 对于可能包含多种语言的 TEXT 或 VARCHAR 列，使用 utf8mb4。
  • 对于十六进制字符串（UUID、MD5 等）和简单编码（country_code、postal_code 等），使用 ascii（latin1 也可以）。

utf8mb4 直到 5.5.3 版本才出现，在此之前 utf8 是可用的最佳选择。

在 MySQL 之外，“UTF8” 的含义与 MySQL 的 utf8mb4 相同，而不是 MySQL 的 utf8。

排序规则名称以字符集名称开头，通常以 _ci（大小写和重音不敏感）或 _bin（仅比较位）结尾。

最新的 utf8mb4 排序规则是 utf8mb4_unicode_520_ci，基于 Unicode 5.20。如果你使用单一语言，可能需要类似 utf8mb4_polish_ci 的排序规则，它会根据波兰语惯例稍微重新排列字母。

第 42.2 节：在表和字段上设置字符集

你可以使用 CHARACTER SET 语句为表和单个字段设置字符集：

CREATE TABLE Address (
    AddressID INTEGER NOT NULL PRIMARY KEY,
    Street VARCHAR(80) CHARACTER SET ASCII,
    City VARCHAR(80),
    Country VARCHAR(80) DEFAULT "United States",
    Active BOOLEAN DEFAULT 1
) ENGINE=InnoDB DEFAULT CHARSET=UTF8;

City 和 Country 将使用 UTF8，因为我们将其设置为表的默认字符集。而 Street 将使用 ASCII，因为我们专门指定了它。

设置正确的字符集高度依赖于你的数据集，但也可以大大提高系统间处理数据的可移植性。

第 42.3 节：声明

CREATE TABLE foo (
    ...
    name CHARACTER SET utf8mb4
);

第 42.4 节：连接

使用字符集的关键是告诉 MySQL 服务器客户端的字节使用什么编码。一种方法是：

SET NAMES utf8mb4;

每种语言（PHP、Python、Java 等）都有自己的方式，但通常优先使用 SET NAMES。

例如：SET NAMES utf8mb4，加上声明为 CHARACTER SET latin1 的列 —— 这将在 INSERT 时从 latin1 转换为 utf8mb4，并在 SELECT 时转换回来。