Question

在SQL Server中创建表时如何设置字段的默认字符集？在MySQL中，我们这样做：

CREATE TABLE tableName (
    name VARCHAR(128) CHARACTER SET utf8
) DEFAULT CHARACTER SET utf8 DEFAULT COLLATE utf8_general_ci;

请注意，我在这里设置了两次字符集。这是多余的，我添加了两种方式来演示。

我还设置了排序规则，以证明排序规则是不同的。我不询问设置排序规则。 Most questions询问SQL Server中的字符集和编码是通过排序规则来回答的，这与不是相同。

Answer 1

As stated in BOL

每个SQL Server排序规则指定三个属性：


用于Unicode数据类型（nchar，nvarchar和ntext）的排序顺序。排序顺序定义字符所在的顺序   排序，以及在比较操作中评估字符的方式。

用于非Unicode字符数据类型（char，varchar和text）的排序顺序。

用于存储非Unicode字符数据的代码页。

以上引用来自2000个文档。 See also this 2008 link。以下也证明了这一点。

DECLARE @T TABLE 
(
     code TINYINT PRIMARY KEY,
     Arabic_CS_AS CHAR(1) COLLATE Arabic_CS_AS NULL,
     Cyrillic_General_CS_AS CHAR(1) COLLATE Cyrillic_General_CS_AS NULL,
     Latin1_General_CS_AS CHAR(1) COLLATE Latin1_General_CS_AS NULL
);

INSERT INTO @T(code) VALUES (200),(201),(202),(203),(204),(205)

UPDATE @T 
  SET Arabic_CS_AS=CAST(code AS BINARY(1)),
      Cyrillic_General_CS_AS=CAST(code AS BINARY(1)),
      Latin1_General_CS_AS=CAST(code AS BINARY(1))

SELECT * 
FROM @T

结果

code Arabic_CS_AS Cyrillic_General_CS_AS Latin1_General_CS_AS
---- ------------ ---------------------- --------------------
200  ب            И                      È
201  ة            Й                      É
202  ت            К                      Ê
203  ث            Л                      Ë
204  ج            М                      Ì
205  ح            Н                      Í

Answer 2

扩展@ Martin的回答：

如何在SQL Server中设置“字符集”取决于您使用的数据类型。如果您正在使用：

NVARCHAR，NCHAR和NTEXT（NTEXT已弃用且不应在SQL Server 2005中使用）所有人都使用Unicode字符集这不能改变。这些数据类型都编码为UTF-16 LE（Little Endian） - 一个16位编码，每个“字符”为2或4个字节 - 这也无法更改。对于这些数据类型，使用的排序规则仅影响区域设置（由排序规则的LCID确定），该区域设置确定用于排序和比较的规则集。
XML与N - 前缀类型一样，使用Unicode字符集并编码为UTF-16 LE（Little Endian），并且这些都不能更改。但与其他字符串数据类型不同，没有与XML数据关联的排序规则，因为无法对其进行排序或比较（至少在没有首先将其转换为NVARCHAR(MAX) [首选]或VARCHAR(MAX)时）
VARCHAR，CHAR和TEXT（TEXT已弃用且不应在SQL Server 2005中使用）都是8位编码每个“字符”为1或2个字节。字符集由与每个排序规则关联的代码页确定。排序和比较规则取决于所使用的排序规则的类型：
- SQL Server归类：这些名称都以SQL_开头，自SQL Server 2000以来已被弃用，但（不幸的是）今天仍在广泛使用。这些使用简单的规则，表示为description返回的sys.fn_helpcollations()字段中的“SQL Server排序顺序”编号。
- Windows排序规则：这些标识符的所有名称不以SQL_开头。这些排序规则允许非Unicode字符串数据使用排序规则的LCID指示的Unicode排序和比较规则。

话虽这么说，要找出正在使用哪个字符集（对于CHAR，VARCHAR和TEXT - 即非Unicode - 数据），请运行以下查询，密切关注CodePage字段。 LCID字段指示用于N - 前缀 - 即Unicode - 类型的排序和比较规则的语言环境以及使用Windows排序规则的非Unicode类型（）：

SELECT *, COLLATIONPROPERTY(col.[name], 'CodePage') AS [CodePage], COLLATIONPROPERTY(col.[name], 'LCID') AS [LCID] FROM sys.fn_helpcollations() col ORDER BY col.[name];

可以通过Code Page Identifiers的MSDN页面将代码页ID转换为更有意义的内容。

关于O.P. {@ 3}} @ Martin的回答：

不幸的是，他们选择了误导性/不完整的术语“整理”，明确指的是排序顺序：整理定义。

虽然微软在选择名称时可能做得更好，但遗憾的是，对于诸如“编码”，“字符集”，“整理”等术语，整个行业都存在一般性的混淆。微软的使用（或“滥用”“整理”只会导致大规模的混乱。但是，如果“utf8”特别是不是一个字符集，那么这个混淆在MySQL中也很明显，因为“utf8”是一个字符集; - ）。

UTF-8是Unicode字符集的几种编码之一。 UTF-16和UTF-32是另外两种编码。所有这三种编码都以不同的方式表示完全相同的Unicode字符集。查看MySQL字符集列表 - comment - “ucs2”，“utf8”，“utf8mb4”，“utf16”，“utf16le”，“utf32”字符集本身并不是字符集，但是Unicode字符集的各种表示形式。但是，鉴于“字符集”和“编码”概念之间的重叠，很难不会产生这种混淆。 11.1.10 Supported Character Sets and Collations页面表示“utf8mb4”，“utf16”，“utf16le”和“utf32”字符集是完整的Unicode字符集，而“ucs2”和“utf8”是Unicode字符集的子集，特别是前65,536个代码点（又名Basic Multilingual Plane（BMP））。

有关各种RDBMS的排序规则的更多信息，请参阅我对DBA.StackExchange上的以下问题的回答：

11.1.10.1 Unicode Character Sets

更新2018-10-02

虽然这还不是一个可行的选择，但SQL Server 2019在VARCHAR / CHAR数据类型中引入了对UTF-8的本机支持。目前有太多的bug用于它，但如果它们被修复，那么这是一些场景的一个选项。有关此新功能的详细分析，请参阅我的帖子“Does any DBMS have a collation that is both case-sensitive and accent-insensitive?”。

SQL Server：设置字符集（不是整理）

2 个答案: