Mysql字符集和排序规则详解

目录

前言

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：

a---->00000001（0x01）
b---->00000010（0x02）
A---->00000011（0x03）
B---->00000100（0x04）

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UTF8、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：

utf8mb3：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>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：

后缀	描述
_ci	不区分大小写
_cs	区分大小写
_bin	以二进制的形式比较
_ai	不区分重音
_as	区分重音

到此这篇关于Mysql字符集和排序规则详解的文章就介绍到这了,更多相关Mysql字符集内容请搜索易采站长站以前的文章或继续浏览下面的相关文章希望大家以后多多支持易采站长站！