MySQL快速入门03----字符集 & 校对规则

一 字符集

字符集：是一套字符与字符编码的集合。

字符，用于显示的抽象符号。

编码，计算机都是二进制存储，因此需要将显示符号转换成二进制数才能存储，每个字符所转换成的二进制数，就是字符编码。

常见的字符集&编码：Ascii字符集，GB2312字符集，gbk字符集，latin1字符集，unicode字符集等。

Ascii（American Standard Code for Information Interchange，美国标准信息交换码）是一套基于拉丁字母的编码系统。用于显示现代英语。是现在最通用的单字节编码。 采用 7位表示。因此显示的字符数量128个。不能完全表示所有的西方字符，就使用第八位，称之为扩展ascii码（EASCII，Extended ASCii),共 256个字符。

Gb2312，当表示中文时，8位的编码已经不能满足所有的字符了。因此就需要改进，一个典型的方案是，在兼容ascii的基础上，取消了扩展部分，当使用2个大于127的编码在一起时，就表示一个汉字了（0xA1-0xF7）(0xA1-0xFE)，大于可以保存不到8000个汉字字符。这种编码方式就是 gb2312字符集，中国国家标准简体中文字符集。2312是标准号。

Gbk，可以预见，不到8000个字符，是不足以表示所有的中文字符的（某些不常用汉字，港台地区的繁体字，亚洲其他文字字符等）。因此微软，在gb2312的基础上，将没有用到的编码部分做了扩展编码，就是GBK，始用于win95，到现在（但是不是国家标准）。

Unicode，如果需要完成多语言应用，那么仅仅的中文（东亚）字符是不够的，就会出现，不同的地区国家，使用不同的编码字符集。一旦相互使用，则会出现解码失败（乱码）的情况。如果可以将世界上所有的字符都汇总，然后统一编码，就解决了问题。因此unicode来啦。采用4个字节来保存编码，可以保存的字符数很多，目前已经有效的有十万以上的字符了。平时所说的 utf-8与unicode是啥关系呢？Utf8是unicode的一种优化的实现。针对不同的字符，所采取的编码长度的不一样的。例如中文就是3个字节，英文是一个字节，一些扩展字符是2个字节。可以通过组成当前字符的第一个字节的大小来判断
大于等于224则是三个字节表示，大于等于192则是两个字节的字符，否则就是一个字节的字符。

1.1 MySQL字符集

show character set;

查看MySQL支持的所有的字符集。

MySQL可以使用多种字符集保存数据。

MySQL，可以针对字段，表，数据库，服务器进行字符集的设置，还可以设定连接字符集（客户端与服务器端交互时）

mysql> show character set;
+----------+-----------------------------+---------------------+--------+
| Charset  | Description                 | Default collation   | Maxlen |
+----------+-----------------------------+---------------------+--------+
| big5     | Big5 Traditional Chinese    | big5_chinese_ci     |      2 |
| dec8     | DEC West European           | dec8_swedish_ci     |      1 |
| cp850    | DOS West European           | cp850_general_ci    |      1 |
| hp8      | HP West European            | hp8_english_ci      |      1 |
| koi8r    | KOI8-R Relcom Russian       | koi8r_general_ci    |      1 |
| latin1   | cp1252 West European        | latin1_swedish_ci   |      1 |
| latin2   | ISO 8859-2 Central European | latin2_general_ci   |      1 |
| swe7     | 7bit Swedish                | swe7_swedish_ci     |      1 |
| ascii    | US ASCII                    | ascii_general_ci    |      1 |
| ujis     | EUC-JP Japanese             | ujis_japanese_ci    |      3 |
| sjis     | Shift-JIS Japanese          | sjis_japanese_ci    |      2 |
| hebrew   | ISO 8859-8 Hebrew           | hebrew_general_ci   |      1 |
| tis620   | TIS620 Thai                 | tis620_thai_ci      |      1 |
| euckr    | EUC-KR Korean               | euckr_korean_ci     |      2 |
| koi8u    | KOI8-U Ukrainian            | koi8u_general_ci    |      1 |
| gb2312   | GB2312 Simplified Chinese   | gb2312_chinese_ci   |      2 |
| greek    | ISO 8859-7 Greek            | greek_general_ci    |      1 |
| cp1250   | Windows Central European    | cp1250_general_ci   |      1 |
| gbk      | GBK Simplified Chinese      | gbk_chinese_ci      |      2 |
| latin5   | ISO 8859-9 Turkish          | latin5_turkish_ci   |      1 |
| armscii8 | ARMSCII-8 Armenian          | armscii8_general_ci |      1 |
| utf8     | UTF-8 Unicode               | utf8_general_ci     |      3 |
| ucs2     | UCS-2 Unicode               | ucs2_general_ci     |      2 |
| cp866    | DOS Russian                 | cp866_general_ci    |      1 |
| keybcs2  | DOS Kamenicky Czech-Slovak  | keybcs2_general_ci  |      1 |
| macce    | Mac Central European        | macce_general_ci    |      1 |
| macroman | Mac West European           | macroman_general_ci |      1 |
| cp852    | DOS Central European        | cp852_general_ci    |      1 |
| latin7   | ISO 8859-13 Baltic          | latin7_general_ci   |      1 |
| utf8mb4  | UTF-8 Unicode               | utf8mb4_general_ci  |      4 |
| cp1251   | Windows Cyrillic            | cp1251_general_ci   |      1 |
| utf16    | UTF-16 Unicode              | utf16_general_ci    |      4 |
| cp1256   | Windows Arabic              | cp1256_general_ci   |      1 |
| cp1257   | Windows Baltic              | cp1257_general_ci   |      1 |
| utf32    | UTF-32 Unicode              | utf32_general_ci    |      4 |
| binary   | Binary pseudo charset       | binary              |      1 |
| geostd8  | GEOSTD8 Georgian            | geostd8_general_ci  |      1 |
| cp932    | SJIS for Windows Japanese   | cp932_japanese_ci   |      2 |
| eucjpms  | UJIS for Windows Japanese   | eucjpms_japanese_ci |      3 |
+----------+-----------------------------+---------------------+--------+
39 rows in set (0.00 sec)

字符集决定的是字段的数据，是何种形式保存的。



可以my.ini中：character-set-server=utf8 修改服务器的编码设置

如果通过客户端操作服务器，那么客户端与服务器之间进行数据通信，要保证编码一致。可以将互相发送的数据，转换成目标可以接收的编码。

通过mysql的配置：
Character_set_client 客户端发送数据编码
Character_set_results客户端接收数据的编码
通过 指令 show variables like 'character_set_%';

mysql> show variables like 'character_set_%';
+--------------------------+----------------------------------------+
| Variable_name            | Value                                  |
+--------------------------+----------------------------------------+
| character_set_client     | utf8                                   |
| character_set_connection | utf8                                   |
| character_set_database   | utf8                                   |
| character_set_filesystem | binary                                 |
| character_set_results    | utf8                                   |
| character_set_server     | utf8                                   |
| character_set_system     | utf8                                   |
| character_sets_dir       | D:\Program_win10\MySQL\share\charsets\ |
+--------------------------+----------------------------------------+

设置变量：set 变量名=值

set character_set_client = gbk;

告知服务器，客户端发送的数据是gbk编码

如果需要从服务器返回数据，还需要设置服务器发送给客户端的编码

s<span style="font-family: Arial, Helvetica, sans-serif;">et character_set_results = gbk;</span>

服务器在发送数据时，才能转成客户端认识的编码

统一的操作可以用 set names gbk可以完成。（简单项目通用的做法）

实还有一个有影响：连接层编码。

set character_set_connection = gbk;

转换的过程

Client->connection->[服务器内部编码]->result

将character_set_database的默认utf8编码更改为gbk编码

mysql> set character_set_database=gbk;
Query OK, 0 rows affected (0.00 sec)

mysql> show variables like 'character_set_%';
+--------------------------+----------------------------------------+
| Variable_name            | Value                                  |
+--------------------------+----------------------------------------+
| character_set_client     | utf8                                   |
| character_set_connection | utf8                                   |
| character_set_database   | gbk                                    |
| character_set_filesystem | binary                                 |
| character_set_results    | utf8                                   |
| character_set_server     | utf8                                   |
| character_set_system     | utf8                                   |
| character_sets_dir       | D:\Program_win10\MySQL\share\charsets\ |
+--------------------------+----------------------------------------+
8 rows in set (0.00 sec)

二 校对规则

所谓校对规则，指的是，当前字符集内，字符之间的比较关系。(也就是各个字符之间的比较的原则是什么)。

三种规则：大小写不敏感（，不区分大小写ci）、大小写敏感（区分大小写cs）、二进制编码的比较（bin）。

每个字符集都有一个默认的校对规则，不指定的话，就使用该默认的规则

show collation like ‘pattern’;查看校对规则

mysql> show collation;
+-----------------------+----------+-----+---------+----------+---------+
| Collation             | Charset  | Id  | Default | Compiled | Sortlen |
+-----------------------+----------+-----+---------+----------+---------+
| big5_chinese_ci       | big5     |   1 | Yes     | Yes      |       1 |
| big5_bin              | big5     |  84 |         | Yes      |       1 |
| dec8_swedish_ci       | dec8     |   3 | Yes     | Yes      |       1 |
| dec8_bin              | dec8     |  69 |         | Yes      |       1 |
| cp850_general_ci      | cp850    |   4 | Yes     | Yes      |       1 |
| cp850_bin             | cp850    |  80 |         | Yes      |       1 |
| hp8_english_ci        | hp8      |   6 | Yes     | Yes      |       1 |
| hp8_bin               | hp8      |  72 |         | Yes      |       1 |
| koi8r_general_ci      | koi8r    |   7 | Yes     | Yes      |       1 |
| koi8r_bin             | koi8r    |  74 |         | Yes      |       1 |
| latin1_german1_ci     | latin1   |   5 |         | Yes      |       1 |

从上述所列举的字符集可以看到：比较规则从三个方面进行定义
字符集_地区名_比较规则（ci,cs,bin）(分别对应不区分、区分、二进制编码)

mysql> show collation like 'gbk%';
+----------------+---------+----+---------+----------+---------+
| Collation      | Charset | Id | Default | Compiled | Sortlen |
+----------------+---------+----+---------+----------+---------+
| gbk_chinese_ci | gbk     | 28 | Yes     | Yes      |       1 |
| gbk_bin        | gbk     | 87 |         | Yes      |       1 |
+----------------+---------+----+---------+----------+---------+
2 rows in set (0.00 sec)

上述代码可以看出第一个输出结果表示：
字符集为gbk，所属区域为中国，ci代表不区分大小写；

设置字符集和校对规则

创建表tb11并设置字符集和校对规则：

mysql> create table if not exists tb11(
-> name varchar(10)
-> )character set gbk collate gbk_chinese_ci;
Query OK, 0 rows affected (0.12 sec)

创建表tb12并设置字符集和校对规则：

mysql> create table if not exists tb12(
-> name varchar(10)
-> )character set gbk collate gbk_bin;
Query OK, 0 rows affected (0.04 sec)

向表tb11中插入数据：

mysql> insert into tb11 values('a');
Query OK, 1 row affected (0.03 sec)

mysql> insert into tb11 values('B');
Query OK, 1 row affected (0.02 sec)

mysql> insert into tb11 values('c');
Query OK, 1 row affected (0.03 sec)

查看tb11中的数据（order by定义返回数据的顺序）（不区分大小写）：

mysql> select * from tb11 order by name;
+------+
| name |
+------+
| a    |
| B    |
| c    |
+------+
3 rows in set (0.03 sec)

向tb12中插入数据：

mysql> insert into tb12 values('a');
Query OK, 1 row affected (0.02 sec)

mysql> insert into tb12 values('B');
Query OK, 1 row affected (0.01 sec)

mysql> insert into tb12 values('c');
Query OK, 1 row affected (0.02 sec)

查看tb12中的数据：（区分大小写，因为是编码过的）

mysql> select * from tb12 order by name;
+------+
| name |
+------+
| B    |
| a    |
| c    |
+------+
3 rows in set (0.00 sec)

总结：

如果只考虑使用中文的话考虑采用gbk；
如果国际化的话考察采用utf8。