CJK 字符集列表可能因 MySQL 版本而异。例如，gb18030MySQL 5.7.4 之前的字符集是不支持的。但是，由于适用语言的名称出现在 表DESCRIPTION中每个条目的列中 INFORMATION_SCHEMA.CHARACTER_SETS ，您可以使用此查询获取所有非 Unicode CJK 字符集的当前列表：

mysql> SELECT CHARACTER_SET_NAME, DESCRIPTION
       FROM INFORMATION_SCHEMA.CHARACTER_SETS
       WHERE DESCRIPTION LIKE '%Chin%'
       OR DESCRIPTION LIKE '%Japanese%'
       OR DESCRIPTION LIKE '%Korean%'
       ORDER BY CHARACTER_SET_NAME;
+--------------------+---------------------------------+
| CHARACTER_SET_NAME | DESCRIPTION                     |
+--------------------+---------------------------------+
| big5               | Big5 Traditional Chinese        |
| cp932              | SJIS for Windows Japanese       |
| eucjpms            | UJIS for Windows Japanese       |
| euckr              | EUC-KR Korean                   |
| gb18030            | China National Standard GB18030 |
| gb2312             | GB2312 Simplified Chinese       |
| gbk                | GBK Simplified Chinese          |
| sjis               | Shift-JIS Japanese              |
| ujis               | EUC-JP Japanese                 |
+--------------------+---------------------------------+

（有关更多信息，请参阅 第 21.3.2 节，“INFORMATION_SCHEMA CHARACTER_SETS 表”。）

MySQL 支持 中华人民共和国官方的GB（国标标准，或国家标准，或简体中文gb2312）字符集的三种变体： ，，gbk和（自 MySQL 5.7.4 起）gb18030。

有时人们会尝试将gbk字符插入到gb2312中，并且它在大多数情况下都有效，因为gbk它是 的超集 gb2312。但最终他们尝试插入一个更罕见的汉字，但它不起作用。（有关示例，请参见错误 #16072）。

在这里，我们参考官方文档 ，尝试明确一下gb2312or中哪些字符是合法的。gbk请在报告gb2312或 gbk错误之前检查这些参考资料：

也可以将 CJK 字符存储在 Unicode 字符集中，尽管可用的排序规则可能不会像您期望的那样对字符进行排序：

用于 Unicode 字符集的排序规则决定了对集合中的字符进行排序（即区分）的能力：

此外，区分字符与按照给定 CJK 语言的约定对它们进行排序不同。目前，MySQL 只有一种特定于 CJK 的 UCA 排序规则 gb18030_unicode_520_ci（需要使用非 Unicodegb18030字符集）。

有关 Unicode 归类及其区分属性（包括增补字符的归类属性）的信息，请参阅 第 10.10.1 节，“Unicode 字符集”。

此问题通常是由于 MySQL 中的设置与应用程序或操作系统的设置不匹配造成的。以下是纠正此类问题的一些常见步骤：

MySQL 支持香港和台湾（中华民国）通用的 Big5 字符集。MySQL big5字符集实际上是 Microsoft 代码页 950，与原始 big5字符集非常相似。

HKSCS已提交 添加扩展的功能请求。需要此扩展的人可能会对 Bug #13577 的建议补丁感兴趣。

MySQL 支持sjis、 ujis、cp932和 eucjpms字符集，以及 Unicode。一个常见的需求是在字符集之间进行转换。例如，可能有一个 Unix 服务器（通常带有 sjis或ujis）和一个 Windows 客户端（通常带有cp932）。

在下面的转换表中，ucs2 列代表源，sjis、 cp932、ujis和 eucjpms列代表目的地；也就是说，当我们使用CONVERT(ucs2)或将ucs2包含值的列 分配给sjis、cp932、 ujis或eucjpms列时，最后 4 列提供十六进制结果。

现在考虑表的以下部分。

这意味着 MySQL 将NOT SIGN (Unicode U+00AC) 转换为sjis code point0x81CA和 cp932code point 3F。（3F是问号（“ ？ ”。这是无法执行转换时始终使用的问号。）

我们的回答是：“ ？”。这样做有缺点，许多人更喜欢“松散” 转换，这样81CA (NOT SIGN)in sjis就变成81CA (FULLWIDTH NOT SIGN)in 了cp932。

出现问题是因为某些版本的日文字符集（包括sjis和euc）将5C其视为 反斜线 （\，也称为反斜线），而其他版本将其视为日元符号 ( ¥)。

MySQL 只遵循一个版本的 JIS（日本工业标准）标准描述。在 MySQL 中， 5C总是反向斜线 ( \)。

理论上，虽然有多个版本的 euckr（Extended Unix Code Korea）字符集，但只注意到一个问题。我们使用 EUC-KR 的“ ASCII ”变体，其中代码点0x5c为 REVERSE SOLIDUS，即\，而不是 EUC-KR 的 “ KS-Roman ”变体，其中代码点0x5c为WON SIGN ( ₩)。这意味着您不能将 Unicode 转换U+20A9为euckr：

mysql> SELECT
           CONVERT('₩' USING euckr) AS euckr,
           HEX(CONVERT('₩' USING euckr)) AS hexeuckr;
+-------+----------+
| euckr | hexeuckr |
+-------+----------+
| ?     | 3F       |
+-------+----------+

要查看问题，请创建一个包含一个 Unicode ( ucs2) 列和一个中文 ( gb2312) 列的表。

mysql> CREATE TABLE ch
       (ucs2 CHAR(3) CHARACTER SET ucs2,
       gb2312 CHAR(3) CHARACTER SET gb2312);

在非严格 SQL 模式下，尝试将罕见字符 汌放在两列中。

mysql> SET sql_mode = '';
mysql> INSERT INTO ch VALUES ('A汌B','A汌B');
Query OK, 1 row affected, 1 warning (0.00 sec)

会INSERT产生警告。使用以下语句查看它是什么：

mysql> SHOW WARNINGS\G
*************************** 1. row ***************************
  Level: Warning
   Code: 1366
Message: Incorrect string value: '\xE6\xB1\x8CB' for column 'gb2312' at row 1

所以这只是关于该gb2312列的警告。

mysql> SELECT ucs2,HEX(ucs2),gb2312,HEX(gb2312) FROM ch;
+-------+--------------+--------+-------------+
| ucs2  | HEX(ucs2)    | gb2312 | HEX(gb2312) |
+-------+--------------+--------+-------------+
| A汌B | 00416C4C0042 | A?B    | 413F42      |
+-------+--------------+--------+-------------+

这里有几件事需要解释：

使用mysql客户端 获取到服务器的直接连接 ，并在那里尝试相同的查询。如果mysql正确响应，问题可能是您的应用程序接口需要初始化。使用 mysql来告诉您它在语句中使用的字符集SHOW VARIABLES LIKE 'char%';。如果您使用的是 Access，则很可能使用连接器/ODBC 进行连接。在这种情况下，您应该检查 Configuring Connector/ODBC。例如，如果您使用big5，您将输入SET NAMES 'big5'。（在这种情况下，不需要任何; 字符。）如果您使用的是 ASP，则可能需要添加SET NAMES在代码中。这是过去有效的示例：

<%
Session.CodePage=0
Dim strConnection
Dim Conn
strConnection="driver={MySQL ODBC 3.51 Driver};server=server;uid=username;" \
               & "pwd=password;database=database;stmt=SET NAMES 'big5';"
Set Conn = Server.CreateObject("ADODB.Connection")
Conn.Open strConnection
%>

latin1以几乎相同的方式，如果您使用的是Connector/NET 以外的任何字符集，则必须在连接字符串中指定字符集。有关详细信息，请参阅 连接器/NET 连接。

如果您使用的是 PHP，请尝试以下操作：

<?php
  $link = new mysqli($host, $usr, $pwd, $db);

  if( mysqli_connect_errno() )
  {
    printf("Connect failed: %s\n", mysqli_connect_error());
    exit();
  }

  $link->query("SET NAMES 'utf8'");
?>

在这种情况下，我们曾经SET NAMES 更改character_set_client、 character_set_connection和 character_set_results。

PHP 应用程序中经常遇到的另一个问题与浏览器所做的假设有关。有时添加或更改<meta>标签足以解决问题：例如，为了确保用户代理将页面内容解释为UTF-8，包含 <meta http-equiv="Content-Type" content="text/html; charset=utf-8">在 <head>HTML 页面的部分中。

如果您使用的是 Connector/J，请参阅 使用字符集和 Unicode。

在 MySQL 4.0 版中，服务器和客户端都有一个“全局” 字符集，使用哪个字符由服务器管理员决定。这从 MySQL 版本 4.1 开始发生了变化。现在发生的是“握手”，如 第 10.4 节“连接字符集和排序规则”中所述：

这样做的效果是您无法通过启动mysqld来 控制客户端字符集--character-set-server=utf8。然而，一些亚洲客户更喜欢 MySQL 4.0 的行为。为了能够保留此行为，我们添加了一个 mysqld开关， --character-set-client-handshake可以使用 关闭它 --skip-character-set-client-handshake。如果您使用 启动mysqld， --skip-character-set-client-handshake那么当客户端连接时，它会向服务器发送它想要使用的字符集的名称。但是，服务器忽略了客户端的这个请求。

例如，假设您最喜欢的服务器字符集是latin1. 进一步假设客户端使用utf8，因为这是客户端操作系统支持的。latin1使用默认字符集 启动服务器 ：

mysqld --character-set-server=latin1

然后使用默认字符集启动客户端 utf8：

mysql --default-character-set=utf8

通过查看以下输出可以看到生成的设置 SHOW VARIABLES：

mysql> SHOW VARIABLES LIKE 'char%';
+--------------------------+----------------------------------------+
| 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/local/mysql/share/mysql/charsets/ |
+--------------------------+----------------------------------------+

现在停止客户端，并使用 mysqladmin停止服务器。然后再次启动服务器，但这次告诉它跳过握手，如下所示：

mysqld --character-set-server=utf8 --skip-character-set-client-handshake

utf8再次以默认字符集 启动客户端，然后显示结果设置：

mysql> SHOW VARIABLES LIKE 'char%';
+--------------------------+----------------------------------------+
| Variable_name            | Value                                  |
+--------------------------+----------------------------------------+
| character_set_client     | latin1                                 |
| character_set_connection | latin1                                 |
| character_set_database   | latin1                                 |
| character_set_filesystem | binary                                 |
| character_set_results    | latin1                                 |
| character_set_server     | latin1                                 |
| character_set_system     | utf8                                   |
| character_sets_dir       | /usr/local/mysql/share/mysql/charsets/ |
+--------------------------+----------------------------------------+

通过比较来自 的不同结果可以看出， 如果 使用该选项 SHOW VARIABLES，服务器将忽略客户端的初始设置 。--skip-character-set-client-handshake

对于LIKE搜索，二进制字符串列类型（例如 BINARYand ）存在一个非常简单的问题BLOB：我们必须知道字符在哪里结束。对于多字节字符集，不同的字符可能具有不同的八位字节长度。例如，在 中 utf8，A需要一个字节，但ペ需要三个字节，如下所示：

+-------------------------+---------------------------+
| OCTET_LENGTH(_utf8 'A') | OCTET_LENGTH(_utf8 'ペ') |
+-------------------------+---------------------------+
|                       1 |                         3 |
+-------------------------+---------------------------+

如果我们不知道字符串中第一个字符在哪里结束，我们就不知道第二个字符从哪里开始，在这种情况下，即使是非常简单的搜索也会 LIKE '_A%'失败。解决方案是使用定义为具有正确 CJK 字符集的非二进制字符串列类型。例如：mycol TEXT CHARACTER SET sjis。或者，在比较之前转换为 CJK 字符集。

这是 MySQL 不允许对不存在的字符进行编码的原因之一。如果拒绝错误输入不严格，它就无法知道字符在哪里结束。

对于FULLTEXT搜索，我们必须知道单词的开始和结束位置。对于西方语言，这很少成为问题，因为其中大多数（如果不是全部）使用易于识别的单词边界：空格字符。然而，亚洲写作通常不是这种情况。我们可以使用任意的折衷措施，比如假设所有汉字字符都代表单词，或者（对于日语）根据语法结尾从片假名到平假名的变化。然而，唯一确定的解决方案需要一个全面的单词列表，这意味着我们必须在服务器中为支持的每种亚洲语言包含一个字典。这根本不可行。

大多数简体中文和基本的非半角日语假名字符出现在所有 CJK 字符集中。以下存储过程接受一个UCS-2 Unicode 字符，将其转换为其他字符集，并以十六进制显示结果。

DELIMITER //

CREATE PROCEDURE p_convert(ucs2_char CHAR(1) CHARACTER SET ucs2)
BEGIN

CREATE TABLE tj
             (ucs2 CHAR(1) character set ucs2,
              utf8 CHAR(1) character set utf8,
              big5 CHAR(1) character set big5,
              cp932 CHAR(1) character set cp932,
              eucjpms CHAR(1) character set eucjpms,
              euckr CHAR(1) character set euckr,
              gb2312 CHAR(1) character set gb2312,
              gbk CHAR(1) character set gbk,
              sjis CHAR(1) character set sjis,
              ujis CHAR(1) character set ujis);

INSERT INTO tj (ucs2) VALUES (ucs2_char);

UPDATE tj SET utf8=ucs2,
              big5=ucs2,
              cp932=ucs2,
              eucjpms=ucs2,
              euckr=ucs2,
              gb2312=ucs2,
              gbk=ucs2,
              sjis=ucs2,
              ujis=ucs2;

/* If there are conversion problems, UPDATE produces warnings. */

SELECT hex(ucs2) AS ucs2,
       hex(utf8) AS utf8,
       hex(big5) AS big5,
       hex(cp932) AS cp932,
       hex(eucjpms) AS eucjpms,
       hex(euckr) AS euckr,
       hex(gb2312) AS gb2312,
       hex(gbk) AS gbk,
       hex(sjis) AS sjis,
       hex(ujis) AS ujis
FROM tj;

DROP TABLE tj;

END//

DELIMITER ;

输入可以是任何单个ucs2字符，也可以是该字符的代码值（十六进制表示）。例如，从Unicode的 ucs2编码和名称列表（http://www.unicode.org/Public/UNIDATA/UnicodeData.txt），我们知道片假名字符 Pe出现在所有的CJK字符集中，其编码值为X'30DA'. 如果我们将此值用作 的参数 p_convert()，结果如下所示：

mysql> CALL p_convert(X'30DA');
+------+--------+------+-------+---------+-------+--------+------+------+------+
| ucs2 | utf8   | big5 | cp932 | eucjpms | euckr | gb2312 | gbk  | sjis | ujis |
+------+--------+------+-------+---------+-------+--------+------+------+------+
| 30DA | E3839A | C772 | 8379  | A5DA    | ABDA  | A5DA   | A5DA | 8379 | A5DA |
+------+--------+------+-------+---------+-------+--------+------+------+------+

由于没有任何列值3F（即问号字符?），我们知道每次转换都有效。

有时人们观察到 搜索或 utf8_unicode_ci某种 排序的结果并不是他们认为当地人所期望的。尽管我们从不排除存在错误的可能性，但我们在过去发现许多人没有正确阅读 Unicode 归类算法的标准权重表。MySQL 使用在 http://www.unicode.org/Public/UCA/下找到的表： ucs2_unicode_ciORDER BY

为了处理较新的 UCA 版本，我们创建了新的排序规则。我们对更改现有排序规则的顺序非常谨慎，因为这会影响索引，这可能会导致 Bug #16526 中报告的情况，如下所示：

mysql> CREATE TABLE tj (s1 CHAR(1) CHARACTER SET utf8 COLLATE utf8_unicode_ci);
Query OK, 0 rows affected (0.05 sec)

mysql> INSERT INTO tj VALUES ('が'),('か');
Query OK, 2 rows affected (0.00 sec)
Records: 2  Duplicates: 0  Warnings: 0

mysql> SELECT * FROM tj WHERE s1 = 'か';
+------+
| s1   |
+------+
| が  |
| か  |
+------+

第一个结果行中的字符不是我们搜索的字符。为什么 MySQL 检索它？首先我们寻找 Unicode 代码点值，这可以通过读取ucs2字符版本的十六进制数来实现：

mysql> SELECT s1, HEX(CONVERT(s1 USING ucs2)) FROM tj;
+------+-----------------------------+
| s1   | HEX(CONVERT(s1 USING ucs2)) |
+------+-----------------------------+
| が  | 304C                        |
| か  | 304B                        |
+------+-----------------------------+

现在我们在表中 搜索304B和 ，找到这些行： 304C4.0.0 allkeys

304B  ; [.1E57.0020.000E.304B] # HIRAGANA LETTER KA
304C  ; [.1E57.0020.000E.304B][.0000.0140.0002.3099] # HIRAGANA LETTER GA; QQCM

官方 Unicode 名称（在“ # ”标记之后）告诉我们日语音节（平假名）、非正式分类（字母、数字或标点符号）和西方标识符（KA或 GA，恰好是语音和清音的组成部分）相同的字母对）。更重要的是， 主权重（方括号内的第一个十六进制数） 1E57在两行上。对于搜索和排序中的比较，MySQL 只关注主要权重，忽略所有其他数字。这意味着我们正在排序が和か 正确地根据 Unicode 规范。如果我们想区分它们，我们必须使用非 UCA（Unicode 归类算法）归类（utf8_bin或 utf8_general_ci），或者比较 HEX()值，或者使用 ORDER BY CONVERT(s1 USING sjis). 当然，仅“根据 Unicode ”正确是不够的：提交错误的人同样正确。为了解决这个问题，我们需要根据 JIS X 4061 标准对日语进行另一种排序，其中浊音/清音字母对（如KA/ GA）为了排序目的是可区分的。

如果您正在使用 Unicode（ucs2或 utf8），并且您知道 Unicode 排序顺序是什么（请参阅第 A.11 节，“MySQL 5.6 FAQ：MySQL 中文、日文和韩文字符集”），但 MySQL 似乎仍然对您的表进行排序不正确，首先验证表定义中的字符集：

mysql> SHOW CREATE TABLE t\G
******************** 1. row ******************
Table: t
Create Table: CREATE TABLE `t` (
`s1` char(1) CHARACTER SET ucs2 DEFAULT NULL
) ENGINE=MyISAM DEFAULT CHARSET=latin1

由于列的字符集s1 似乎是正确的 ( )，请检查表可以提供有关此列 ucs2的哪些信息 ：INFORMATION_SCHEMA.COLUMNS

mysql> SELECT COLUMN_NAME, CHARACTER_SET_NAME, COLLATION_NAME
       FROM INFORMATION_SCHEMA.COLUMNS
       WHERE COLUMN_NAME = 's1'
       AND TABLE_NAME = 't';
+-------------+--------------------+-----------------+
| COLUMN_NAME | CHARACTER_SET_NAME | COLLATION_NAME  |
+-------------+--------------------+-----------------+
| s1          | ucs2               | ucs2_general_ci |
+-------------+--------------------+-----------------+

（有关更多信息，请参阅第 21.3.5 节，“INFORMATION_SCHEMA COLUMNS 表”。）

您可以看到排序规则 ucs2_general_ci不是 ucs2_unicode_ci. 可以使用 找到出现这种情况的原因SHOW CHARACTER SET，如下所示：

mysql> SHOW CHARSET LIKE 'ucs2%';
+---------+---------------+-------------------+--------+
| Charset | Description   | Default collation | Maxlen |
+---------+---------------+-------------------+--------+
| ucs2    | UCS-2 Unicode | ucs2_general_ci   |      2 |
+---------+---------------+-------------------+--------+

对于ucs2and utf8，默认排序规则是“ general ”。要指定 Unicode UCA 排序规则，请使用COLLATE ucs2_unicode_ci, 如前一项所示。

补充字符位于 Unicode基本多语言平面/平面 0之外。BMP 字符的代码点值介于U+0000和 之间U+FFFF。增补字符的代码点值介于U+10000和 之间U+10FFFF。

要存储增补字符，您必须使用允许它们的字符集：

不是。术语“ CJKV ” （中文日文韩文越南文）是指包含汉字（原本是中文）的越南文字符集。MySQL 支持使用西方字符的现代越南文字，但不支持使用汉字的旧越南文字。

从 MySQL 5.6 开始，Unicode 字符集有越南语排序规则，如 第 10.10.1 节，“Unicode 字符集”中所述。

是的。

MySQL 5.6 手册的日语翻译可以从https://mysql.net.cn/doc/下载。

以下资源可用：