前言

上一节我们系统的阐述了关于系统配置的相关细节内容，而这一节我们需要了解关于字符集和编码的内容，字符集和编码的规则其实也算是入门mysql经常遇到的一个坑，基本每个人学习过程必定会遇到数据库存储中文但是读出来是：“???”的这种问题，好了废话不多说，我们来看下mysql的字符集和编码的规则。

编码

简单介绍

关于编码和解码，简单来讲编码就是把字符转变为二进制数据，解码就是把二进制的数据按照一定的规则翻译成字符，关于编解码的定义只需要了解两个重点：

1. 字符是如何映射成为二进制数据的
2. 那些字符需要映射二进制的数据

比如我们把abcd拆分成四种自定义的编码格式，使用十六进制表示，a占一位，b占两位，c占3位，d占四位，我们可以使用含有abcd的字符进行不同的组合编码，但是不能对于ef，或者zh等等字符进行编码，因为我们设计的规则不认识这些字符，编码之后的数据按照自己设计的编码解码翻译回原来的数据，这就是最简单的编码和解码规则。

如何比较大小

我们知道了如何对于字符进行编码，那么我们如何对于字符进行比较呢？我们最可能想到的规则是按照26个字母的顺序进行比较排序大小，其实二进制的比较规则是非常简单的，但是我们会发现有时候会出现特殊的情况，比如英文有大小写之分，而中文又有同音字的等等，这时候就不能简单二进制比较了，我们需要做如下的调整：

• 将字符统一转为大写或者小写再进行二进制的比较
• 或者大小写进行不同大小的编码规则编码

所以其实我们可以发现一个字符可能会存在多个比较方式，最终意味着字符集会出现多种的比较规则形式。

字符集介绍

常见字符集

经过上面的编码介绍之后，下面我们来介绍关于字符集的内容，全世界的字符集怎么也得又个成百上千种，这还不包含各种自创的字符集，但是实际上主流的也就那么几种，比如：GBK2312，UTF-8，UTF-16等等，所以这里只简单列举几个常见的字符集：

• ASCII 字符集：共收录128个字符，包括空格、标点符号、数字、大小写字母和一些不可见字符，一共也就128个字符，所以可以直接用一个字节表示，比如下面的内容：

• 'L' -> 01001100(十六进制:0x4C，十进制:76)
  
• 'M' -> 01001101(十六进制:0x4D，十进制:77)
  

• ISO 8859-1 字符集：欧洲的通用编码，一共是256个字符，主要是在ASCII 字符集字符集的基础上扩展了128个字符，这个字符集也被称为：latin1（拉丁1，有点好奇为什么叫这个名）
  
• GB2312：这个编码其实误导性挺强的，因为基本都知道这是给国人用的，可能会认为只有汉字的编码，其实它收录了汉字以及拉丁字母、希腊字母、日文平假名及片假名字母、俄语西里尔字母等多个语言。其中收录汉字6763个， 其他文字符号682个，同时这种字符集又兼容 ASCII 字符集，所以编码方式比较特殊：

• ASCII 字符集：按照ASCII 字符集的规则使用一个字节
• 其他的GB2312支持的字符集：使用两个字节进行编码（汉字实在是多，这种编码收录的也是覆盖了最为常用和经常出现的）
• 如果出现ASCII和其他字符集混用，字符需要的字节数可能不同的编码方式称为 变长编码方式，比如'啊A'的中文字符需要两个字节编码，但是A需要一个字节的编码，最后再把 **“两个字符”**进行二进制编码的拼凑。

这些数字不是敏感词，不需要记住数量，只要注意gb2312并不只是只有中文。

补充：这里可能有小伙伴好奇GB2312是怎么认识不同的字符集的，其实很简单，ASCII只有128个，所以只要是在这个范围的，基本可以断定就是ASCII的字符集，所以使用一个字符即可，如果不在这个范围，直接使用两个字节翻译即可。

• GBK 字符集：对于GB2312进行字符集的扩展，其他无变化
• UTF8 字符集：用苹果的广告词来说就是强者的强的一个字符集，包含了地球上的所有字符，而且因为不同字符集编码的字节数不同，所以UTF-8规定按照1-4个字节的变长编码方式进行编码，最后UTF8和gbk一样也兼容了ASCII的字符集。

补充：既然提到了UTF-8，那么这里就来说一下Unicode编码的事情，其实准确来说utf8只是Unicode字符集的其中一种编码方案，Unicode字符集可以采用utf8、utf16、utf32这几种编码方案，utf8使用1~4个字节编码一个字符，utf16使用2个或4个字节编码一个 字符，utf32使用4个字节编码一个字符。

另外，Mysql早期的utf8并不是真正意义上的utf8这个后续会进行补充

最后我们可以发现，对于同一个字符在不同的字符集会有不同的编码方式，对于一个汉字来说，ASCII字符集没有收录，下面我们比较utf-8和gbk是如何收录的，比如一个字符的'我'汉字假设是如下的编码方式：

• utf8编码:111001101000100010010001 (3个字节，十六进制表示是:0xE68891)
• gb2312编码:1100111011010010 (2个字节，十六进制表示是:0xCED2)

如何查看字符集

查看字符集的命令十分简单：show (character set|charset) [like 匹配模式]，括号内表示可以任选其中一个，比如选择character set，当然比较难打，所以charset更常用一些，记住这一个即可。

下面是具体的案例，可以看到目前mysql支持41种字符集：

> show charset;
armscii8  ARMSCII-8 Armenian  armscii8_general_ci 1
ascii US ASCII  ascii_general_ci  1
big5  Big5 Traditional Chinese  big5_chinese_ci 2
binary  Binary pseudo charset binary  1
cp1250  Windows Central European  cp1250_general_ci 1
cp1251  Windows Cyrillic  cp1251_general_ci 1
cp1256  Windows Arabic  cp1256_general_ci 1
cp1257  Windows Baltic  cp1257_general_ci 1
cp850 DOS West European cp850_general_ci  1
cp852 DOS Central European  cp852_general_ci  1
cp866 DOS Russian cp866_general_ci  1
> show charset like 'big%';
big5  Big5 Traditional Chinese  big5_chinese_ci 2

下面是需要记忆的几个字符集，也是最常用的字符集：

比较规则查看

之前介绍过字符集是有比较规则，mysql吧比较多规则设置为一个命令，查看mysql的比较规则如下：

show collation [like 匹配模式]

下面是比较规则的相关案例，可以看到光是utf开头的比较规则就有150多种：

mysql> show collation like 'utf_%';

比较规则的规律

• 比较规则和前缀进行匹配，比如utf_8的字符集都是按照utf8开头的。
• 前缀为字符集的匹配，那么后缀就是和语言有关了，比如utf8_polish_ci按照波兰语匹配，utf8_spanish_ci 是以西班牙语的规则比较，通用匹配规则为: utf8_general_ci。
• 名称后缀意味着该比较规则是否区分语言中的重音、大小写啥，比如ci代表的是不区分大小写。

|后缀|英文释义|描述| |:--:|:--:|:--:| | _ai | accent insensitive |不区分重音| | _as | accent sensitive |区分重 音| | _ci | case insensitive |不区分大小写| | _cs | case sensitive |区分大小写| | _bin | binary |以二进制 方式比较|

每种字符集对应若干种比较规则，每种字符集都有一种默认的比较规则，我们可以看到上面的截图中有一个Default的列就是当前字符集的默认比较规则。比方说 utf8 字符集默认的比较规则就是utf8_general_ci