SQL Server 與 MySQL 中排序規則與字符集相關知識的一點總結

字符集&&排序規則

字符集是針對不同語言的字元編碼的集合，比如UTF-8字符集，GBK字符集，GB2312字符集等等，不同的字符集使用不同的規則給字元進行編碼。排序規則則是在特定字符集的基礎上特定的字元排序方式，排序規則是基於字符集的，是對字符集在排序方式維度上的一個劃分。

排序規則是依賴於字符集的，一種字符集可以有多種排序規則，但是一種排序規則只能基於某一種字符集的，比如中文字符集，也即漢字，可以按照「拼音排序」、「按姓氏筆劃排序」等等。而對於英語，就沒有「拼音」和「姓氏筆畫」，但是可以分為區分大小寫、不區分大小寫等等，而其他語言下面也有自己特定的排序規則。

在SQL Server中，任何一種字符集的資料庫，都能存儲任何一種語言的字元。

並不是說拉丁（Latin）字符集的數據就存儲不了中文，中文（Chinese）字符集的資料庫就存儲不了蒙古語（只要操作系統本身支持）。sqlserver中，不管哪種字符集（實際上是排序規則）的資料庫（或者欄位），都是可以使用nvarchar（或者nchar），而nvarchar（或者nchar）是可以存儲任意非Unicode字元的。至於排序規則，那是根據不同的字符集所支持的不同的排序規則人為定義的。

SQL Server中的字符集和排序規則

排序規則只不過是指定了存儲的數據的排序（比較）規則而已，換句話說就是，排序規則中已經包含了字符集的信息。因此在sqlserver中 ，不需要關心字符集，只需要關心排序規則，sqlserver中在創建只能指定排序規則（不能直接指定字符集），如截圖，只能指定collation，也就是字符集

在MySQL中的字符集和排序規則

上面說了，排序規則是依賴於字符集的，一種字符集可以有多種排序規則，但是一種排序規則只能基於某一種字符集的。如下是MySQL中排序規則和字符集的對應關係。

MySQL的建庫語法比較扯，可以指定字符集和排序規則，如果指定的排序規則在字符集的下面，則是沒有問題的，如果指定的排序規則不在字符集下面，則會報錯。

比如下面這一句，排序規則utf8_bin是屬於字符集utf8下面的一種排序規則，這個語句執行是沒有問題的

create database test_database2 charset utf8 collate utf8_bin;

再比如下面這一句，排序規則latin1_bin不是屬於字符集utf8下面的一種排序規則，這個語句執行是會報錯的

create database test_database2 charset utf8 collate latin1_bin;

以上是字符集和排序規則在sqlserver和MySQL中的一些基本應用，再說說常用的排序規則的區別

***_genera_ci & ***_genera_cs & ***_bin 常見排序規則的特點

以上是某種字符集下常用的三種排序規則，下面以常見的utf8為例說明。

• utf8_genera_ci不區分大小寫，ci為case insensitive的縮寫，即大小寫不敏感，
• utf8_general_cs區分大小寫，cs為case sensitive的縮寫，即大小寫敏感，但是目前MySQL版本中已經不支持類似於***_genera_cs的排序規則，直接使用utf8_bin替代。
• utf8_bin將字元串中的每一個字元用二進位數據存儲，區分大小寫。

那麼，同樣是區分大小寫，utf8_general_cs和utf8_bin有什麼區別？

• cs為case sensitive的縮寫，即大小寫敏感；bin的意思是二進位，也就是二進位編碼比較。
• utf8_general_cs排序規則下，即便是區分了大小寫，但是某些西歐的字元和拉丁字元是不區分的，比如?=a，但是有時並不需要?=a，所以才有utf8_bin
• utf8_bin的特點在於使用字元的二進位的編碼進行運算，任何不同的二進位編碼都是不同的，因此在utf8_bin排序規則下：?<>a

在utf8_genera_ci的情況下A=a，?=a

在utf8_bin排序規則下，A<>a,?<>a

所以要想區分大小寫，有沒有特殊需求，就直接使用utf8_bin（實際上***_general_cs在MySQL中本身就不支持，在SQL Server中支持）。以上字符集的特點以及使用情況在SQL Server中表現為類似。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！