Mysql字符集和排序规则详解

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 * 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 * 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：

来源：https://juejin.cn/post/7125630654301077517