在支持多语言的应用开发中，MySQL的字符集和排序规则是处理不同语言数据存储、查询、排序的核心配置，错误的设置会导致数据乱码、排序结果不符合语言习惯等问题，需要结合多语言场景合理选择和使用。
核心概念解析
字符集
字符集是一套字符与二进制编码的映射规则，决定了数据库能存储哪些字符。常见的多语言相关字符集有：
- utf8mb4：MySQL中真正的UTF-8实现，支持所有Unicode字符，包括emoji和各类小语种字符，是处理多语言数据的首选字符集。
- utf8：MySQL早期的UTF-8实现，最多只支持3字节字符，无法存储部分生僻字、emoji和某些小语种字符，不建议用于多语言场景。
- gbk：仅支持中文、英文等少数字符，无法处理其他语言数据，多语言场景下不推荐使用。
排序规则
排序规则是在特定字符集基础上，定义字符比较和排序的规则，通常以字符集名称开头，后缀表示排序特性：
- 后缀_ci：表示不区分大小写（Case Insensitive），比如
utf8mb4_general_ci。 - 后缀_cs：表示区分大小写（Case Sensitive），比如
utf8mb4_0900_cs。 - 后缀_bin：表示按二进制值比较，区分大小写且基于字符编码值排序，比如
utf8mb4_bin。 - 带_0900_的排序规则：基于Unicode 9.0标准实现，排序准确性更高，比如
utf8mb4_0900_ai_ci。
多语言场景下的配置方法
创建数据库时指定字符集和排序规则
创建支持多语言的数据库时，直接指定字符集为utf8mb4，排序规则根据需求选择，示例如下：
-- 创建支持多语言的数据库，字符集为utf8mb4，排序规则不区分大小写 CREATE DATABASE IF NOT EXISTS multi_lang_db DEFAULT CHARACTER SET utf8mb4 DEFAULT COLLATE utf8mb4_0900_ai_ci;
创建表时指定字符集和排序规则
如果表需要存储多语言数据，可以在建表语句中单独指定字符集和排序规则，优先级高于数据库级别配置：
-- 创建存储多语言用户信息的表
CREATE TABLE IF NOT EXISTS user_info (
id INT PRIMARY KEY AUTO_INCREMENT,
username VARCHAR(50) NOT NULL,
intro TEXT COMMENT '用户简介，支持多语言'
) DEFAULT CHARACTER SET utf8mb4
DEFAULT COLLATE utf8mb4_0900_ai_ci;
字段级别单独配置
如果表中部分字段需要特殊的排序规则，比如某字段需要区分大小写排序，可以单独设置字段的排序规则：
-- 修改用户名字段为区分大小写的排序规则 ALTER TABLE user_info MODIFY COLUMN username VARCHAR(50) CHARACTER SET utf8mb4 COLLATE utf8mb4_0900_cs_ci NOT NULL;
已存在数据的字符集修改
如果已有数据库或表的字符集不符合多语言要求，需要修改配置并转换已有数据，步骤如下：
- 修改数据库默认字符集：
ALTER DATABASE multi_lang_db CHARACTER SET utf8mb4 COLLATE utf8mb4_0900_ai_ci;
- 修改表的默认字符集并转换已有字段数据：
-- 修改表默认字符集，同时转换所有字符字段的字符集 ALTER TABLE user_info CONVERT TO CHARACTER SET utf8mb4 COLLATE utf8mb4_0900_ai_ci;
注意：修改字符集前一定要备份数据，避免转换过程中出现数据丢失或乱码问题。
多语言排序规则选择技巧
不同语言的排序习惯不同，选择排序规则时需要结合业务场景：
| 场景 | 推荐排序规则 | 说明 |
|---|---|---|
| 通用多语言场景，不需要特殊排序规则 | utf8mb4_0900_ai_ci | 基于最新Unicode标准，不区分大小写，适配大多数语言 |
| 需要严格区分大小写的场景，比如用户名、编码字段 | utf8mb4_0900_cs_ci 或 utf8mb4_bin | 前者区分大小写但符合语言排序习惯，后者完全按二进制值比较 |
| 主要存储中文数据，需要符合中文拼音排序习惯 | utf8mb4_zh_0900_as_cs | 基于中文拼音排序，区分大小写 |
常见问题排查
如果遇到多语言数据乱码，可以按以下顺序排查：
- 检查数据库、表、字段的字符集是否都是utf8mb4。
- 检查客户端连接MySQL时的字符集配置，确保连接字符集为utf8mb4，比如在连接参数中添加
characterEncoding=utf8mb4。 - 检查应用程序中数据读写的编码设置，确保没有做额外的错误转码。