字符集和比较规则

字符集简介

作用：为了让数据在人和计算机都能被”看的懂“。

我们知道在计算机中只能存储二进制数据，那该怎么存储字符串呢？当然是建立字符与二进制数据的映射关系了，建立这个关系最起码要搞清楚两件事儿：

1. 你要把哪些字符映射成二进制数据？ 也就是界定清楚字符范围。
2. 怎么映射？ 将一个字符映射成一个二进制数据的过程也叫做 编码 ，将一个二进制数据映射到一个字符的过程叫做 解码 。 人们抽象出一个 字符集 的概念来描述某个字符范围的编码规则。比方说我们来自定义一个名称为 xiaohaizi 的字符集，它包含的字符范围和编码规则如下： 包含字符 'a' 、 'b' 、 'A' 、 'B' 。 编码规则如下： 采用1个字节编码一个字符的形式，字符和字节的映射关系如下： 'a' -> 00000001 (十六进制：0x01) 'b' -> 00000010 (十六进制：0x02) 'A' -> 00000011 (十六进制：0x03) 'B' -> 00000100 (十六进制：0x04) 有了 xiaohaizi 字符集，我们就可以用二进制形式表示一些字符串了，下边是一些字符串用 xiaohaizi 字符集编码后的二进制表示： 'bA' -> 0000001000000011 (十六进制：0x0203) 'baB' -> 000000100000000100000100 (十六进制：0x020104) 'cd' -> 无法表示，字符集xiaohaizi不包含字符'c'和'd'

—— 引用《MySQL是怎么运行的》

比较规则简介

1. 因为在mysql对英文大小写是不敏感的，所以比较时，会将两个大小写不同的字符全都转为大写或者小写。
2. 再比较这两个字符对应的二进制数据。

注意：同一种字符集可以有多种比较规则

MySQL中的utf8和utf8mb4

utf8mb3 ：阉割过的 utf8 字符集，只使用1～3个字节表示字符。

utf8mb4 ：正宗的 utf8 字符集，使用1～4个字节表示字符。

mysql字符集的查看

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

mysql比较规则的查看

SHOW COLLATION [LIKE 匹配的模式];

注意：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

mysql有四个级别的字符集和比较规则

• 服务器级别
• 数据库级别
• 表级别
• 列级别

如果对于同一个字符串编码和解码使用的字符集不一样，会产生意想不到的结果

我们知道字符 '我' 在 utf8 字符集编码下的字节串长这样： 0xE68891 ，如果一个程序把这个字节串发送到另一个程序里，另一个程序用不同的字符集去解码这个字节串，假设使用的是 gbk 字符集来解释这串字节，解码过程 就是这样的：

1. 首先看第一个字节 0xE6 ，它的值大于 0x7F （十进制：127），说明是两字节编码，继续读一字节后是 0xE688 ，然后从 gbk 编码表中查找字节为 0xE688 对应的字符，发现是字符 '鎴'
2. 继续读一个字节 0x91 ，它的值也大于 0x7F ，再往后读一个字节发现木有了，所以这是半个字符。
3. 所以 0xE68891 被 gbk 字符集解释成一个字符 '鎴' 和半个字符。 假设用 iso-8859-1 ，也就是 latin1 字符集去解释这串字节，解码过程如下：
4. 先读第一个字节 0xE6 ，它对应的 latin1 字符为 æ 。
5. 再读第二个字节 0x88 ，它对应的 latin1 字符为 ˆ 。
6. 再读第二个字节 0x91 ，它对应的 latin1 字符为 ‘ 。
7. 所以整串字节 0xE68891 被 latin1 字符集解释后的字符串就是 '我' 可见，如果对于同一个字符串编码和解码使用的字符集不一样，会产生意想不到的结果，作为人类的我们看上去就像是产生了乱码一样。

varchar和char在MySQL层的区别

根据MySQL的官方文档The CHAR and VARCHAR Types中的描述, varchar和char的区别主要有：

最大长度：char是255，varchar是65535，单位是字符（而不是字节）。 尾随空格：char会将尾随空格去掉，而varchar不会。 因为存储时，char会用空格填充至指定长度，所以取出时需要去除空格。如果char字段有唯一索引，a和a 会提示唯一索引冲突。 存储空间占用：varchar会占用额外的1~2字节来存储字符串长度。如果最大长度超过255，就需要2字节，否则1字节。