SQL Server：设置字符集（不归类）

Question

在SQL Server中创建表时，如何设置字段的默认字符集？在MySQL中是这样的：

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证明。

我还设置了排序规则，以证明排序规则是不同的。我是而不是询问设置排序规则。 Mostquestions询问有关SQL Server中的字符集和编码是否与排序对应，即而不是是同样的事情。

Answer 1

As stated in BOL

每个SQL Server排序规则指定三个属性：

• 的排序顺序以用于Unicode数据类型（NCHAR，nvarchar和NTEXT）。排序顺序定义字符排序的顺序，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文档。 See also this 2008 link。下面也演示了这一点。

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

为了扩大对@马丁的回答是：

您在SQL Server中如何设置 “字符集” 取决于你所使用的数据类型。如果您正在使用：

• NVARCHAR，NCHAR和NTEXT（NTEXT已被弃用，不应该被用来作为的SQL Server 2005）都使用Unicode字符集，这不能被改变。这些数据类型全部编码为UTF-16 LE（Little Endian）– 16位编码，每个“字符”为2或4字节–，这也不能改变。对于这些数据类型，正在使用的排序规则仅影响区域设置（由Collat​​ion的LCID确定），它确定用于排序和比较的规则集。

• XML，像N -prefixed类型，使用Unicode字符集和被编码为UTF-16 LE（小端），和既不那些可以改变。但与其他字符串数据类型不同，没有与XML数据关联的归类，因为它不能被排序或比较（至少先不将其转换为NVARCHAR(MAX) [首选]或VARCHAR(MAX)）。

• VARCHAR，CHAR，和TEXT（TEXT已被废弃，不应该被用作的SQL Server 2005）都为8位编码，每个“字”是1或2个字节。字符集由与每个归类关联的代码页确定。的排序和比较规则取决于整理的类型使用：

  • SQL Server排序规则：这些都开始SQL_名称和自SQL Server 2000中已被否决，虽然是（不幸）仍被广泛使用的今天。这些使用简单规则，如sys.fn_helpcollations()返回的description字段中所示的“SQL Server排序顺序”编号。
  • 窗口排序规则：这些都有名字，做不是开始于SQL_。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，找出哪些字符集（CHAR，VARCHAR和TEXT –即非Unicode –数据）正在被使用，运行下面的查询，并密切关注CodePage领域。该LCID字段表示用于排序和比较规则为N -prefixed –即统一–类型以及非Unicode类型如果使用Windows排序规则的语言环境：

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

代码页ID可以通过Code Page Identifiers的MSDN页面翻译成更有意义的内容。

---

关于O.P.上@的comment马丁的回答是：

不幸的是，他们选择了误导性/不完整的术语“整理”，这显然是指排序顺序：整理定义。

尽管微软在选择名称时可以做得更好，但不幸的是，在诸如“编码”，“字符集”，“整理”等术语方面存在一般性的，整个行业的混淆。微软对“整理”的使用（或滥用）仅仅造成了大规模混乱。但是，由于“utf8”具体是而不是字符集，所以在MySQL中这种混淆也很明显.--)。

UTF-8是Unicode字符集的几种编码之一。另外两种编码是UTF-16和UTF-32。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– 11.1.10 Supported Character Sets and Collations –“ucs2”，“utf8”，“utf8mb4”，“utf16”，“utf16le”，“utf32”字符集实际上并不是字符集，而是各种表示形式的字符集Unicode字符集。但是，鉴于“字符集”和“编码”这两个概念之间的重叠，难以避免混淆。11.1.10.1 Unicode Character Sets页面指示“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，特别是第65,536个代码点（又称Basic Multilingual Plane（BMP））。

有关跨各种RDBMS的排序规则的详细信息，请参阅我的回答下面的问题上DBA.StackExchange：

Does any DBMS have a collation that is both case-sensitive and accent-insensitive?