MySQL学习笔记（8）：字符集

本文更新于2019-06-16，使用MySQL 5.7，操作系统为Deepin 15.4。

常用字符集

字符集	定长	代码宽度	说明
ASCII或ISO-646	是	1字节7位	英文字母、数字、标点符号和33个控制符
ISO-8859系列	是	1字节8位	各西欧字符集，兼容ASCII
GB2312	否	1或2字节	兼容ASCII，不推荐使用
GBK	否	1或2字节	兼容GB2312
GB18030	否	1、2或4字节	兼容GBK
Unicode或UCS-4或ISO-10646	是	4字节	从最高字节起依次代表组（group）、面（plane）、行（row）、格（ceil），包括BMP、辅助字面和专用字面
UCS-2	是	2字节	UCS-4的0组0面，即基本多语言文字面（BMP）

Unicode有如下编码方式：

编码方式	定长	代码宽度	说明
UTF-8	否	1至6字节	兼容ASCII
UTF-16	否	2或4字节	BMP使用2字节表示，以外使用4字节表示，按字节序不同分为UTF-16BE和UTF-16LE
UTF-32	是	4字节	Unicode原始编码，按字节序不同分为UTF-32BE和UTF-32LE

UTF-8编码如下：

字节	代码位数	代码空间	字节组合
1	0-7	0x0 - 0x7f	0xxxxxxx
2	8-11	0x80 - 0x7ff	110xxxxx,10xxxxxx
3	12-16	0x800 - 0xffff	1110xxxx,10xxxxxx,10xxxxxx
4	17-21	0x10000 - 0x1fffff	11110xxx,10xxxxxx,10xxxxxx,10xxxxxx
5	22-26	0x200000 - 0x3ffffff	111110xx,10xxxxxx,10xxxxxx,10xxxxxx,10xxxxxx
6	27-31	0x4000000 - 0x7fffffff	1111110x,10xxxxxx,10xxxxxx,10xxxxxx,10xxxxxx,10xxxxxx

每个汉字，GBK使用2字节，UTF-8使用3字节。

MySQL字符集

MySQL的UTF-8字符集最大长度为3字节，只能表示BMP中的字符（0-0xffff）。若要使用大于3字节的字符（如emoji），则需使用utf8mb4字符集。

MySQL包含字符集和校对规则两个概念。校对规则用来定义比较字符串的方式，一种字符集至少有一种校对规则，但可以有多种校对规则。校对规则的命名以其相关的字符集名开始，中间通常包含一个语言名，并且以_ci（大小写不敏感）、_cs（大小写敏感）或_bin（比较是基于字符编码的值而与语言无关）结束，如gbk_chinese_ci。

MySQL的字符集和校对规则有4个级别的设置：

• 服务器级：可通过配置文件或启动选项设置，默认为latin1。
• 数据库级：可通过CREATE DATABASE或ALTER DATABASE设置，如数据库中已存在记录，修改字符集不会将已有数据按照新的字符集进行存放。
• 表级：可通过CREATE TABLE或ALTER TABLE设置，如表中已存在记录，修改字符集不会将已有数据按照新的字符集进行存放。
• 字段级：可通过CREATE TABLE或ALTER TABLE设置，如表中已存在记录，修改字符集不会将已有数据按照新的字符集进行存放。

客户端和服务器交互时，还存在客户端、连接、返回结果的字符集和校对规则，通常这三者是相同的，才可以确保数据能被正确读取。可以通过SET NAMES charset同时修改这三个值。可以通过[_charset] 'str' [COLLATE collation]强制字符串的字符集和校对规则。

已有记录的字符集调整，需先将数据导出，经过适当调整后重新导入。