Mysql 字符集和排序规则
计算机存储数据的方式都是 二进制 数据,但是我们在mysql中存储的是 字符串 数据,那么这些数据到底在Mysql中如何存储呢?这就涉及到字符集的概念。
什么是字符集
举例如下,假设存在 编码 集test,只能识别a,b,A,B这几项,同时编码规则如下
那么字符串’aAB’可以映射为 000000010000001100000100(十六进制 0x10304)
而ac将无法转换,因为超出了识别范围。
上面提到的将字符串根据字符集映射为二进制的过程称之为编码,反之就为解码。
什么是比较规则
那什么是比较规则呢?其实就是字符串的比较规则,如上举例而言,可以考虑比较二进制编码的大小,如字符’a’编码值的十六进制为0x01,字符’b’编码值的十六进制为0x02,那么可以确定a<b,这就是二进制比较规则,但是显然这种规则适用范围有限,如果遇到需要忽略大小写的场景,显然二进制编码比较规则并不适用,一个字符集可能对应多种比较规则。
常用字符集
根据上面的举例我们知道了test字符集描述的就是一个字符范围的界定,我们常用的字符集还有很多如下所示
ascii 字符集
这是一个最简单的字符集包含128个字符包含大小写字母,空格,数字,标点符号,特殊字符等,因为总共只有128个字符,那么可以只采用一个字节编码。
ISO8859-1
在ASCII字符集上扩充了128个西欧常用字符,总共包含256个字符,这个字符集又被称为 latin1 。
GB2312
收录汉字以及拉丁字母,希腊字母等,这种字符集兼容ASCII字符,在 编码规则 如下
- 如果是ASCII编码范围的字符,采用一个字节编码
- 否则采用两个字节编码
这种情况编码长度不确定的被称为变长编码。
GBK字符集
GBK对GB2312的字符范围进行的扩充,兼容GB2312。
UniCode 字符集
UniCode收录了地球上的所有字符,是所有国家通用的字符集,由此又被称为 万国码 ,UniCode的编码规则包含 utf 8、UTF16、UTF32这几种编码方案,其中 UTF8 采用1~4个字节编码一个字符,UTF16使用了2个字节或者4个字节编码一个字符,UTF32采用4个字节编码一个字符。
不过需要注意的是Mysql中没有区分编码方案和字符集,所以后续的uft8可以看作字符集。
注意点
在mysql中有两个特殊的字符集
- utf8 mb3: 是UniCode字符集编码方案中utf8的阉割版本,采用的是1~3个字节编码一个字符,它的另外一个名字就是 utf8 也就是说mysql中使用的就是阉割版本的utf8字符集。
- utf8mb4: 采用4个字节编码一个字符,最常见的就是存储emoji表情。
Mysql中查询字符集和比较规则
查询字符集
查询字符集命令可以采用 show character set; 或者 show charset ; 都可以实现字符集查看,可以支持字符集模糊查询如 show character set like ‘%utf8%’;
##### mysql5.7.26版本中,包含41个字符集,下面列出常用的几个
mysql> show character set;
+----------+---------------------------------+---------------------+--------+
| Charset | Description | Default collation | Maxlen |
+----------+---------------------------------+---------------------+--------+
| latin1 | cp1252 West European | latin1_swedish_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 |
| utf8 | UTF-8 Unicode | utf8_general_ci | 3 |
| utf8mb4 | UTF-8 Unicode | utf8mb4_general_ci | 4 |
........
+----------+---------------------------------+---------------------+--------+
41 rows in set (0.00 sec)
查询比较规则
每个字符集都会对应一些比较规则,查询所有字符集的比较规则显然是太多了,所以这里以utf8字符集为例查询比较规则。
#### mysql5.7.26版本中utf8字符集对应27个比较规则,其余省略
mysql> show collation like '%utf8_%';
+--------------------------+---------+-----+---------+----------+---------+
| Collation | Charset | Id | Default | Compiled | Sortlen |
+--------------------------+---------+-----+---------+----------+---------+
| utf8_general_ci | utf8 | 33 | Yes | Yes | 1 |
| utf8_bin | utf8 | 83 | | Yes | 1 |
| utf8_unicode_ci | utf8 | 192 | | Yes | 8 |
| utf8_spanish_ci | utf8 | 199 | | Yes | 8 |
.........
+--------------------------+---------+-----+---------+----------+---------+
27 rows in set (0.00 sec)
Default列为YES表明该比较规则是默认的,一般比较规则中包含general代表通用比较规则。
比较规则一般命名如规律如下
- 以字符集命名开头,如上面提到utf8。
- 中间一般是指作用于哪种语言,如utf8_spanish_ci,就是以 西班牙语 的规则比较。
- 后缀用于区分比较规则如是否区分大小写、重音,二进制等
后缀规则如下