本篇文章給大家?guī)砹岁P(guān)于mysql中字符集比較的相關(guān)知識，其中包括了MySQL中支持的字符集和排序規(guī)則，希望對大家有幫助。

字符集和比較規(guī)則簡介

字符集簡介

我們知道在計算機中只能存儲二進制數(shù)據(jù)，那該怎么存儲字符串呢？當(dāng)然是建立字符與二進制數(shù)據(jù)的映射關(guān)系了，建立這個關(guān)系最起碼要搞清楚兩件事兒：

1. 你要把哪些字符映射成二進制數(shù)據(jù)？

   也就是界定清楚字符范圍。

2. 怎么映射？

   將一個字符映射成一個二進制數(shù)據(jù)的過程也叫做編碼，將一個二進制數(shù)據(jù)映射到一個字符的過程叫做解碼。

人們抽象出一個字符集的概念來描述某個字符范圍的編碼規(guī)則。比方說我們來自定義一個名稱為xiaohaizi的字符集，它包含的字符范圍和編碼規(guī)則如下：

• 包含字符'a'、'b'、'A'、'B'。

• 編碼規(guī)則如下：

  采用1個字節(jié)編碼一個字符的形式，字符和字節(jié)的映射關(guān)系如下：

  'a' -> 00000001 (十六進制：0x01) 'b' -> 00000010 (十六進制：0x02) 'A' -> 00000011 (十六進制：0x03) 'B' -> 00000100 (十六進制：0x04)

有了xiaohaizi字符集，我們就可以用二進制形式表示一些字符串了，下邊是一些字符串用xiaohaizi字符集編碼后的二進制表示：

'bA' -> 0000001000000011  (十六進制：0x0203) 'baB' -> 000000100000000100000100  (十六進制：0x020104) 'cd' -> 無法表示，字符集xiaohaizi不包含字符'c'和'd'

比較規(guī)則簡介

在我們確定了xiaohaizi字符集表示字符的范圍以及編碼規(guī)則后，怎么比較兩個字符的大小呢？最容易想到的就是直接比較這兩個字符對應(yīng)的二進制編碼的大小，比方說字符'a'的編碼為0x01，字符'b'的編碼為0x02，所以'a'小于'b'，這種簡單的比較規(guī)則也可以被稱為二進制比較規(guī)則，英文名為binary collation。

二進制比較規(guī)則是簡單，但有時候并不符合現(xiàn)實需求，比如在很多場合對于英文字符我們都是不區(qū)分大小寫的，也就是說'a'和'A'是相等的，在這種場合下就不能簡單粗暴的使用二進制比較規(guī)則了，這時候我們可以這樣指定比較規(guī)則：

1. 將兩個大小寫不同的字符全都轉(zhuǎn)為大寫或者小寫。
2. 再比較這兩個字符對應(yīng)的二進制數(shù)據(jù)。

這是一種稍微復(fù)雜一點點的比較規(guī)則，但是實際生活中的字符不止英文字符一種，比如我們的漢字有幾萬之多，對于某一種字符集來說，比較兩個字符大小的規(guī)則可以制定出很多種，也就是說同一種字符集可以有多種比較規(guī)則，我們稍后就要介紹各種現(xiàn)實生活中用的字符集以及它們的一些比較規(guī)則。

一些重要的字符集

不幸的是，這個世界太大了，不同的人制定出了好多種字符集，它們表示的字符范圍和用到的編碼規(guī)則可能都不一樣。我們看一下一些常用字符集的情況：

• ASCII字符集

  共收錄128個字符，包括空格、標(biāo)點符號、數(shù)字、大小寫字母和一些不可見字符。由于總共才128個字符，所以可以使用1個字節(jié)來進行編碼，我們看一些字符的編碼方式：

  'L' ->  01001100（十六進制：0x4C，十進制：76） 'M' ->  01001101（十六進制：0x4D，十進制：77）

• ISO 8859-1字符集

  共收錄256個字符，是在ASCII字符集的基礎(chǔ)上又?jǐn)U充了128個西歐常用字符(包括德法兩國的字母)，也可以使用1個字節(jié)來進行編碼。這個字符集也有一個別名latin1。

• GB2312字符集

  收錄了漢字以及拉丁字母、希臘字母、日文平假名及片假名字母、俄語西里爾字母。其中收錄漢字6763個，其他文字符號682個。同時這種字符集又兼容ASCII字符集，所以在編碼方式上顯得有些奇怪：

  • 如果該字符在ASCII字符集中，則采用1字節(jié)編碼。
  • 否則采用2字節(jié)編碼。

  這種表示一個字符需要的字節(jié)數(shù)可能不同的編碼方式稱為變長編碼方式。比方說字符串'愛u'，其中'愛'需要用2個字節(jié)進行編碼，編碼后的十六進制表示為0xB0AE，'u'需要用1個字節(jié)進行編碼，編碼后的十六進制表示為0x75，所以拼合起來就是0xB0AE75。

  小貼士：  我們怎么區(qū)分某個字節(jié)代表一個單獨的字符還是代表某個字符的一部分呢？別忘了`ASCII`字符集只收錄128個字符，使用0～127就可以表示全部字符，所以如果某個字節(jié)是在0～127之內(nèi)的，就意味著一個字節(jié)代表一個單獨的字符，否則就是兩個字節(jié)代表一個單獨的字符。

• GBK字符集

  GBK字符集只是在收錄字符范圍上對GB2312字符集作了擴充，編碼方式上兼容GB2312。

• utf8字符集

  收錄地球上能想到的所有字符，而且還在不斷擴充。這種字符集兼容ASCII字符集，采用變長編碼方式，編碼一個字符需要使用1～4個字節(jié)，比方說這樣：

  'L' ->  01001100（十六進制：0x4C） '啊' ->  111001011001010110001010（十六進制：0xE5958A）

  小貼士：  其實準(zhǔn)確的說，utf8只是Unicode字符集的一種編碼方案，Unicode字符集可以采用utf8、utf16、utf32這幾種編碼方案，utf8使用1～4個字節(jié)編碼一個字符，utf16使用2個或4個字節(jié)編碼一個字符，utf32使用4個字節(jié)編碼一個字符。更詳細的Unicode和其編碼方案的知識不是本書的重點，大家上網(wǎng)查查哈～  MySQL中并不區(qū)分字符集和編碼方案的概念，所以后邊嘮叨的時候把utf8、utf16、utf32都當(dāng)作一種字符集對待。

對于同一個字符，不同字符集也可能有不同的編碼方式。比如對于漢字'我'來說，ASCII字符集中根本沒有收錄這個字符，utf8和gb2312字符集對漢字我的編碼方式如下：

utf8編碼：111001101000100010010001 (3個字節(jié)，十六進制表示是：0xE68891) gb2312編碼：1011000010101110 (2個字節(jié)，十六進制表示是：0xB0AE)

MySQL中支持的字符集和排序規(guī)則

MySQL中的utf8和utf8mb4

我們上邊說utf8字符集表示一個字符需要使用1～4個字節(jié)，但是我們常用的一些字符使用1～3個字節(jié)就可以表示了。而在MySQL中字符集表示一個字符所用最大字節(jié)長度在某些方面會影響系統(tǒng)的存儲和性能，所以設(shè)計MySQL的大叔偷偷的定義了兩個概念：

• utf8mb3：閹割過的utf8字符集，只使用1～3個字節(jié)表示字符。

• utf8mb4：正宗的utf8字符集，使用1～4個字節(jié)表示字符。

有一點需要大家十分的注意，在MySQL中utf8是utf8mb3的別名，所以之后在MySQL中提到utf8就意味著使用1~3個字節(jié)來表示一個字符，如果大家有使用4字節(jié)編碼一個字符的情況，比如存儲一些emoji表情啥的，那請使用utf8mb4。

字符集的查看

MySQL支持好多好多種字符集，查看當(dāng)前MySQL中支持的字符集可以用下邊這個語句：

SHOW (CHARACTER SET|CHARSET) [LIKE 匹配的模式];

其中CHARACTER SET和CHARSET是同義詞，用任意一個都可以。我們查詢一下（支持的字符集太多了，我們省略了一些）：

mysql> SHOW CHARSET; +----------+---------------------------------+---------------------+--------+ | Charset  | Description                     | Default collation   | Maxlen | +----------+---------------------------------+---------------------+--------+ | big5     | Big5 Traditional Chinese        | big5_chinese_ci     |      2 | ... | latin1   | cp1252 West European            | latin1_swedish_ci   |      1 | | latin2   | ISO 8859-2 Central European     | latin2_general_ci   |      1 | ... | ascii    | US ASCII                        | ascii_general_ci    |      1 | ... | gb2312   | GB2312 Simplified Chinese       | gb2312_chinese_ci   |      2 | ... | gbk      | GBK Simplified Chinese          | gbk_chinese_ci      |      2 | | latin5   | ISO 8859-9 Turkish              | latin5_turkish_ci   |      1 | ... | utf8     | UTF-8 Unicode                   | utf8_general_ci     |      3 | | ucs2     | UCS-2 Unicode                   | ucs2_general_ci     |      2 | ... | latin7   | ISO 8859-13 Baltic              | latin7_general_ci   |      1 | | utf8mb4  | UTF-8 Unicode                   | utf8mb4_general_ci  |      4 | | utf16    | UTF-16 Unicode                  | utf16_general_ci    |      4 | | utf16le  | UTF-16LE Unicode                | utf16le_general_ci  |      4 | ... | utf32    | UTF-32 Unicode                  | utf32_general_ci    |      4 | | binary   | Binary pseudo charset           | binary              |      1 | ... | gb18030  | China National Standard GB18030 | gb18030_chinese_ci  |      4 | +----------+---------------------------------+---------------------+--------+ 41 rows in set (0.01 sec)

可以看到，我使用的這個MySQL版本一共支持41種字符集，其中的Default collation列表示這種字符集中一種默認(rèn)的比較規(guī)則。大家注意返回結(jié)果中的最后一列Maxlen，它代表該種字符集表示一個字符最多需要幾個字節(jié)。為了讓大家的印象更深刻，我把幾個常用到的字符集的Maxlen列摘抄下來，大家務(wù)必記住：

比較規(guī)則的查看

查看MySQL中支持的比較規(guī)則的命令如下：

SHOW COLLATION [LIKE 匹配的模式];

我們前邊說過一種字符集可能對應(yīng)著若干種比較規(guī)則，MySQL支持的字符集就已經(jīng)非常多了，所以支持的比較規(guī)則