分类： Mysql/postgreSQL
2008-05-11 19:39:50
CHAR(10) CHARACTER SET utf8NATIONAL CHARACTER(10)NCHAR(10)
下面同样：
VARCHAR(10) CHARACTER SET utf8NATIONAL VARCHAR(10)NCHAR VARCHAR(10)NATIONAL CHARACTER VARYING(10)NATIONAL CHAR VARYING(10)
你能够使用N'literal'来创建一个使用国家特有字符集的字符串。这两个语句是等价的：
SELECT N'some text';SELECT _utf8'some text';
关于MySQL从4.1以前的版本到5.1版本字符集升级的信息，请参见MySQL4.1参考手册。
MySQL支持30多种字符集的70多种 校对规则。字符集和它们的默认校对规则可以通过SHOW CHARACTER SET语句显示：
mysql> SHOW CHARACTER SET; +----------+-----------------------------+---------------------+ | Charset | Description | Default collation | +----------+-----------------------------+---------------------+ | big5 | Big5 Traditional Chinese | big5_chinese_ci | | dec8 | DEC West European | dec8_swedish_ci | | cp850 | DOS West European | cp850_general_ci | | hp8 | HP West European | hp8_english_ci | | koi8r | KOI8-R Relcom Russian | koi8r_general_ci | | latin1 | cp1252 West European | latin1_swedish_ci | | latin2 | ISO 8859-2 Central European | latin2_general_ci | | swe7 | 7bit Swedish | swe7_swedish_ci | | ascii | US ASCII | ascii_general_ci | | ujis | EUC-JP Japanese | ujis_japanese_ci | | sjis | Shift-JIS Japanese | sjis_japanese_ci | | hebrew | ISO 8859-8 Hebrew | hebrew_general_ci | | tis620 | TIS620 Thai | tis620_thai_ci | | euckr | EUC-KR Korean | euckr_korean_ci | | koi8u | KOI8-U Ukrainian | koi8u_general_ci | | gb2312 | GB2312 Simplified Chinese | gb2312_chinese_ci | | greek | ISO 8859-7 Greek | greek_general_ci | | cp1250 | Windows Central European | cp1250_general_ci | | gbk | GBK Simplified Chinese | gbk_chinese_ci | | latin5 | ISO 8859-9 Turkish | latin5_turkish_ci | | armscii8 | ARMSCII-8 Armenian | armscii8_general_ci | | utf8 | UTF-8 Unicode | utf8_general_ci | | ucs2 | UCS-2 Unicode | ucs2_general_ci | | cp866 | DOS Russian | cp866_general_ci | | keybcs2 | DOS Kamenicky Czech-Slovak | keybcs2_general_ci | | macce | Mac Central European | macce_general_ci | | macroman | Mac West European | macroman_general_ci | | cp852 | DOS Central European | cp852_general_ci | | latin7 | ISO 8859-13 Baltic | latin7_general_ci | | cp1251 | Windows Cyrillic | cp1251_general_ci | | cp1256 | Windows Arabic | cp1256_general_ci | | cp1257 | Windows Baltic | cp1257_general_ci | | binary | Binary pseudo charset | binary | | geostd8 | GEOSTD8 Georgian | geostd8_general_ci | | cp932 | SJIS for Windows Japanese | cp932_japanese_ci | | eucjpms | UJIS for Windows Japanese | eucjpms_japanese_ci | +----------+-----------------------------+---------------------+
MySQL有两种Unicode字符集。你能够使用这些字符集保存大约650种语言的文本。
· ucs2 (UCS-2 Unicode)校对规则:
mysql> SHOW COLLATION LIKE 'ucs2%'; +--------------------+---------+-----+---------+----------+---------+ | Collation | Charset | Id | Default | Compiled | Sortlen | +--------------------+---------+-----+---------+----------+---------+ | ucs2_general_ci | ucs2 | 35 | Yes | Yes | 1 | | ucs2_bin | ucs2 | 90 | | Yes | 1 | | ucs2_unicode_ci | ucs2 | 128 | | Yes | 8 | | ucs2_icelandic_ci | ucs2 | 129 | | Yes | 8 | | ucs2_latvian_ci | ucs2 | 130 | | Yes | 8 | | ucs2_romanian_ci | ucs2 | 131 | | Yes | 8 | | ucs2_slovenian_ci | ucs2 | 132 | | Yes | 8 | | ucs2_polish_ci | ucs2 | 133 | | Yes | 8 | | ucs2_estonian_ci | ucs2 | 134 | | Yes | 8 | | ucs2_spanish_ci | ucs2 | 135 | | Yes | 8 | | ucs2_swedish_ci | ucs2 | 136 | | Yes | 8 | | ucs2_turkish_ci | ucs2 | 137 | | Yes | 8 | | ucs2_czech_ci | ucs2 | 138 | | Yes | 8 | | ucs2_danish_ci | ucs2 | 139 | | Yes | 8 | | ucs2_lithuanian_ci | ucs2 | 140 | | Yes | 8 | | ucs2_slovak_ci | ucs2 | 141 | | Yes | 8 | | ucs2_spanish2_ci | ucs2 | 142 | | Yes | 8 | | ucs2_roman_ci | ucs2 | 143 | | Yes | 8 | | ucs2_persian_ci | ucs2 | 144 | | Yes | 8 | | ucs2_esperanto_ci | ucs2 | 145 | | Yes | 8 | +--------------------+---------+-----+---------+----------+---------+
utf8 (UTF-8 Unicode)校对规则:
mysql> SHOW COLLATION LIKE 'utf8%'; +--------------------+---------+-----+---------+----------+---------+ | Collation | Charset | Id | Default | Compiled | Sortlen | +--------------------+---------+-----+---------+----------+---------+ | utf8_general_ci | utf8 | 33 | Yes | Yes | 1 | | utf8_bin | utf8 | 83 | | Yes | 1 | | utf8_unicode_ci | utf8 | 192 | | Yes | 8 | | utf8_icelandic_ci | utf8 | 193 | | Yes | 8 | | utf8_latvian_ci | utf8 | 194 | | Yes | 8 | | utf8_romanian_ci | utf8 | 195 | | Yes | 8 | | utf8_slovenian_ci | utf8 | 196 | | Yes | 8 | | utf8_polish_ci | utf8 | 197 | | Yes | 8 | | utf8_estonian_ci | utf8 | 198 | | Yes | 8 | | utf8_spanish_ci | utf8 | 199 | | Yes | 8 | | utf8_swedish_ci | utf8 | 200 | | Yes | 8 | | utf8_turkish_ci | utf8 | 201 | | Yes | 8 | | utf8_czech_ci | utf8 | 202 | | Yes | 8 | | utf8_danish_ci | utf8 | 203 | | Yes | 8 | | utf8_lithuanian_ci | utf8 | 204 | | Yes | 8 | | utf8_slovak_ci | utf8 | 205 | | Yes | 8 | | utf8_spanish2_ci | utf8 | 206 | | Yes | 8 | | utf8_roman_ci | utf8 | 207 | | Yes | 8 | | utf8_persian_ci | utf8 | 208 | | Yes | 8 | | utf8_esperanto_ci | utf8 | 209 | | Yes | 8 | +--------------------+---------+-----+---------+----------+---------+
utf8_unicode_ci校对规则是根据Unicode校对规则算法（UCA）执行的， 校对规则描述见 。此校对规则使用UCA 4.0.0版本砝码键：。（以下讨论使用utf8_unicode_ci，但同样适合ucs2_unicode_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。
utf8_swedish_ci，与其它语言相关的utf8的校对规则相似，来源于utf8_unicode_ci，使用额外的语言规则。例如，在瑞典语中，以下的关系式成立，它在德语和法语中不成立：
Ü = Y < Ö
utf8_spanish_ci和utf8_spanish2_ci校对规则分别适用于现代和古典西班牙语。在两种 校对规则中，ñ’（n-发音符）是‘n’和‘o’之间的间隔字母。另外，对于古典西班牙语，‘ch’是‘c’和d之间的间隔字母，并且‘ll’是‘l’和‘m’之间的间隔字母。
西欧字符集覆盖大多数西欧语言，如法语、西班牙语、加泰罗尼亚语、巴斯克人语、葡萄牙语、意大利语、阿而巴尼亚语、荷兰语、德语、丹麦语、瑞典语、挪威语、芬兰语、法罗人语、冰岛语、爱尔兰语、苏格兰语和英语。
· ascii（US ASCII）校对规则：
o ascii_bin
o ascii_general_ci（ 默认）
· cp850（DOS西欧） 校对规则：
o cp850_bin
o cp850_general_ci（ 默认）
· dec8（DEC 西欧）校对规则：
o dec8_bin
o dec8_swedish_ci（ 默认）
· hp8（HP 西欧）校对规则：
o hp8_bin
o hp8_english_ci（ 默认）
· latin1（cp1252 西欧）校对规则：
o latin1_bin
o latin1_danish_ci
o latin1_general_ci
o latin1_general_cs
o latin1_german1_ci
o latin1_german2_ci
o latin1_spanish_ci
o latin1_swedish_ci（ 默认）
latin1是 默认字符集。latin1_swedish_ci是 默认的校对规则，它用于大多数MySQL客户。虽然经常说它以瑞典/芬兰 校对规则为基础，但瑞典和芬兰人不同意这种说法。
latin1_german1_ci和latin1_german2_ci校对规则基于DIN-1和DIN-2标准，这里DIN代表Deutsches Institut für Normung（德语等价于ANSI）。DIN-1被叫做“字典校对规则”，DIN-2被叫做“电话簿校对规则”。
o latin1_german1_ci（字典）规则：
o Ä = a
o Ö = O
o Ü = U
o ß = s
o latin1_german2_ci（电话簿）规则：
o Ä = aE
o Ö = OE
o Ü = UE
o ß = ss
在 latin1_spanish_ci校对规则中，‘ñ’（n-tilde）是‘n’和‘o’之间的间隔字母。
· macroma（Mac西欧） 校对规则：
o macroman_bin
o macroman_general_ci（ 默认）
· swe7（7位瑞典语） 校对规则：
o swe7_bin
o swe7_swedish_ci（ 默认）
· cp1250（Windows中欧） 校对规则：
o cp1250_bin
o cp1250_croatian_ci
o cp1250_czech_cs
o cp1250_general_ci（ 默认）
· cp852（DOS 中欧）校对规则：
o cp852_bin
o cp852_general_ci（ 默认）
· keybcs2（DOS Kamenicky Czech-Slovak）校对规则：
o keybcs2_bin
o keybcs2_general_ci（ 默认）
· latin2（ISO 8859-2 中欧）校对规则：
o latin2_bin
o latin2_croatian_ci
o latin2_czech_cs
o latin2_general_ci（ 默认）
o latin2_hungarian_ci
· macce（Mac 中欧）校对规则：
o macce_bin
o macce_general_ci（ 默认）
· armscii8（ARMSCII-8 亚美尼亚语）校对规则：
o armscii8_bin
o armscii8_general_ci（ 默认）
· cp1256（阿拉伯语Windows） 校对规则：
o cp1256_bin
o cp1256_general_ci（ 默认）
· geostd8（GEOSTD8乔治亚语） 校对规则：
o geostd8_bin
o geostd8_general_ci（ 默认）
· greek（ISO 8859-7希腊语）校对规则：
o greek_bin
o greek_general_ci（ 默认）
· hebrew（ISO 8859-8希伯莱语）校对规则：
o hebrew_bin
o hebrew_general_ci（ 默认）
· latin5（ISO 8859-9 土耳其语）校对规则：
o latin5_bin
o latin5_turkish_ci（ 默认）
· cp1257（Windows波罗的海） 校对规则：
o cp1257_bin
o cp1257_general_ci（ 默认）
o cp1257_lithuanian_ci
· latin7（ISO 8859-13波罗的海）校对规则：
o latin7_bin
o latin7_estonian_cs
o latin7_general_ci（ 默认）
o latin7_general_cs
· cp1251（Windows 西里尔）校对规则：
o cp1251_bin
o cp1251_bulgarian_ci
o cp1251_general_ci（ 默认）
o cp1251_general_cs
o cp1251_ukrainian_ci
· cp866（DOS 俄语）校对规则：
o cp866_bin
o cp866_general_ci（ 默认）
· koi8r（KOI8-R Relcom 俄语）校对规则：
o koi8r_bin
o koi8r_general_ci（ 默认）
· koi8u（KOI8-U 乌克兰语）校对规则：
o koi8u_bin
o koi8u_general_ci（ 默认）
我们支持的亚洲字符集包括中文、日语、韩语和泰国语。这些可能比较复杂。例如，中文字符集必须考虑到上千种不同的字符。
· big5（Big5传统中文） 校对规则：
o big5_bin
o big5_chinese_ci（ 默认）
· cp932（SJIS Windows日语）校对规则：
o cp932_bin
o cp932_japanese_ci（ 默认）
· eucjpms（UJIS Windows日语）校对规则：
o eucjpms_bin
o eucjpms_japanese_ci（ 默认）
· euckr（EUC-KR 韩语）校对规则：
o euckr_bin
o euckr_korean_ci（ 默认）
· gb2312（GB2312 简体中文）校对规则：
o gb2312_bin
o gb2312_chinese_ci（ 默认）
· gbk（GBK简体中文） 校对规则：
o gbk_bin
o gbk_chinese_ci（ 默认）
· sjis（Shift-JIS 日语）校对规则：
o sjis_bin
o sjis_japanese_ci（ 默认）
· tis620（TIS620 泰国语）校对规则：
o tis620_bin
o tis620_thai_ci（ 默认）
· ujis（EUC-JP 日语）校对规则：
o ujis_bin
o ujis_japanese_ci（ 默认）
为什么需要cp932？
在MySQL中，sjis字符集对应于由IANA定义的Shift_JIS字符集，它支持JIS X0201和JIS X0208字符。（见 。）
但是，“SHIFT JIS”作为描述性术语的含义变得非常含糊不清，并且它常常包括由不同供应商定义的Shift_JIS扩展部分。
例如，使用在日本Windows环境中使用的“SHIFT JIS”是Microsoft对Shift_JIS的Microsoft扩展，它的准确名字是Microsoft Windows Codepage: 932或cp932。除由Shift_JIS支持的字符之外，cp932支持扩展字符，如NEC选择的IBM扩展字符和IBM扩展字符。
许多日本用户在使用这些扩展字符过程中碰到过一些问题。这些问题是由于以下情况引起的：
· MySQL自动转换字符集。
· 字符集通过Unicode转换（ucs2）。
· sjis字符集不支持这些扩展字符转换。
· 从号称“SHIFT JIS”到Unicode的转换，存在一些转换规则，并且一些字符转换到Unicode依赖不同的转换规则。MySQL仅支持这些转换规则中的一种（在后面描述）。
MySQLcp932字符集可以解决这些转换问题。
因为MySQL支持字符集转换，将IANA Shift_JIS 和 cp932分离为两种不同字符集是重要的，因为它们提供不同的转换规则。
cp932与sjis有什么不同？
cp932字符集与sjis存在以下不同点：
· cp932支持NEC特殊字符、NEC选择的IBM扩展字符和IBM选择的字符。
· 一些cp932字符有两个不同的编码点，这两种编码点转换为相同Unicode编码点。因此，当从Unicode转换回到cp932时，必须选择一个编码点。对于这种“相互转换”，使用由Microsoft推荐的转换规则。（见 。）
转换规则如下：
o 如果字符在JIS X 0208 和NEC特殊字符中同时存在，使用JIS X 0208 的编码点。
o 如果字符在NEC特殊字符和IBM选择的字符中同时存在，使用NEC特殊字符的编码点。
o 如果字符在IBM选择的字符和NEC选择的IBM扩展字符中同时存在，使用IBM扩展字符的编码点。
关于cp932字符的Unicode 值的列表显示信息见http://www.microsoft.com/globaldev/reference/dbcs/932.htm。对于cp932表中的带有下面有四位数字出现的字符的实体，数字代表相应的Unicode（ucs2）编码。对于表中有两个带下划线的数字出现的实体，择有一个以那两个数字开头的cp932字符值的范围。点击一个这种表的实体，将带你到一个页，该页显示每个以那些数字开头的cp932字符的Unicode值。
以下连接很重要。它们与下列字符集的编码相对应：
o NEC特殊字符：
http://www.microsoft.com/globaldev/reference/dbcs/932/932_87.htm
o NEC选择的IBM扩展字符：
o http://www.microsoft.com/globaldev/reference/dbcs/932/932_ED.htm
o http://www.microsoft.com/globaldev/reference/dbcs/932/932_EE.htm
o IBM选择的字符：
o http://www.microsoft.com/globaldev/reference/dbcs/932/932_FA.htm
o http://www.microsoft.com/globaldev/reference/dbcs/932/932_FB.htm
o http://www.microsoft.com/globaldev/reference/dbcs/932/932_FC.htm
· cp932与eucjpms结合支持用户自定义字符的转换，并且解决sjis/ujis转换问题。详细信息，请参见。
· 对于一些字符，与ucs2之间的转换与sjis和cp932之间的转换是不同的。下表举例说明了这些不同。
转换到ucs2：
|
sjis/cp932值 |
sjis→ ucs2转换 |
cp932 → ucs2转换 |
|
5C |
005C |
005C |
|
7E |
007E |
007E |
|
815C |
2015 |
2015 |
|
815F |
005C |
FF3C |
|
8160 |
301C |
FF5E |
|
8161 |
2016 |
2225 |
|
817C |
2212 |
FF0D |
|
8191 |
00a2 |
FFE0 |
|
8192 |
00a3 |
FFE1 |
|
81Ca |
00aC |
FFE2 |
从ucs2转换：
|
ucs2值 |
ucs2 → sjis转换 |
ucs2 → cp932转换 |
|
005C |
815F |
5C |
|
007E |
7E |
7E |
|
00a2 |
8191 |
3F |
|
00a3 |
8192 |
3F |
|
00aC |
81Ca |
3F |
|
2015 |
815C |
815C |
|
2016 |
8161 |
3F |
|
2212 |
817C |
3F |
|
2225 |
3F |
8161 |
|
301C |
8160 |
3F |
|
FF0D |
3F |
817C |
|
FF3C |
3F |
815F |
|
FF5E |
3F |
8160 |
|
FFE0 |
3F |
8191 |
|
FFE1 |
3F |
8192 |
|
FFE2 |
3F |
81Ca |
这是MySQL参考手册的翻译版本，关于MySQL参考手册，请访问dev.mysql.com。 原始参考手册为英文版，与英文版参考手册相比，本翻译版可能不是最新的。