字符集详解

字符集详解

MySQL 字符编码集中有两套 UTF-8 编码实现：utf8 和 utf8mb4。

如果使用 utf8 的话，存储 emoji 符号和一些比较复杂的汉字、繁体字就会出错。

• utf8：utf8编码只支持1-3个字节 。 在 utf8 编码中，中文是占 3 个字节，其他数字、英文、符号占一个字节。但 emoji 符号占 4 个字节，一些较复杂的文字、繁体字也是 4 个字节。
• utf8mb4：UTF-8 的完整实现，正版！最多支持使用 4 个字节表示字符，因此，可以用来存储 emoji 符号。

什么是字符集？

字符是各种文字和符号的统称，包括各个国家文字、标点符号、表情、数字等等。

字符集 就是一系列字符的集合（编码规则）。

每个字符在字符集中都有一个唯一的编码，计算机根据这个编码来识别和处理字符。不同的字符集支持不同的字符范围和编码方式。

• 字符 转换成 二进制数据的过程称为 字符编码
• 二进制数据 解析成 字符的过程称为 字符解码

常见的字符集

ASCII 码

ASCII（American Standard Code for Information Interchange）是最早的字符集之一，它使用 7 位二进制数表示 128 个字符，包括英文字母、数字、标点符号和控制字符等。ASCII 码是计算机系统最基本的字符集之一，它为文本数据提供了最基本的编码方式。

Unicode

随着计算机技术的发展，对于国际化和多语言支持的需求不断增加，ASCII 码已经不能满足各种语言字符的表示需求。于是，Unicode 字符集应运而生。Unicode 采用更多的位数来表示字符，常见的有 16 位的 UCS-2 和 32 位的 UCS-4。

UTF-8

UTF-8（Unicode Transformation Format-8）是一种对 Unicode 进行编码的变长字符集，它可以使用 1 到 4 个字节表示一个字符，根据字符的不同范围自动选择合适的编码长度。UTF-8 是目前互联网上广泛使用的字符集之一，它既能表示 ASCII 字符，又能表示任意国家和地区的字符。

GBK 和 GB2312

GBK 和 GB2312 是中文字符集，用于表示中文字符。GBK 扩展了 GB2312 字符集，支持更多的中文字符，包括繁体字和生僻字。GBK 和 GB2312在中国大陆广泛使用，是中文文本处理的基本字符集。

BIG5

BIG5 主要针对的是繁体中文，收录了 13000 多个汉字。

ANSI

ANSI（American National Standards Institute）是一种字符集标准的通用名称，它实际上不是一个具体的字符集，而是指各种不同的字符集标准。在不同的操作系统和编程环境中，ANSI 可能对应不同的字符集，因此在使用 ANSI 字符集时需要注意平台的兼容性。

在线编码和解码

utf-8转utf-8、Unicode (UTF-8)转Unicode (UTF-8)、utf-8转utf-8编码 (haomeili.net)

MySQL 字符集

查看支持的字符集

可以通过 SHOW CHARSET 命令来查看

默认字符集

在 MySQL5.7 中，默认字符集是 latin1 ；在 MySQL8.0 中，默认字符集是 utf8mb4

字符集的层次级别

• server（MySQL 实例级别）
• database（库级别）
• table（表级别）
• column（字段级别）

优先级从上往下依次增大

5.x 版本和 8.x 版本都兼容的字符集与排序规则⭐️

字符集：utf8mb4

排序规则：utf8mb4_general_ci

解析

1. 字符集：utf8mb4 是 MySQL 5.x 和 8.x 版本都兼容的字符集。它是支持四字节的 UTF-8 编码，可以用于存储包含 Emoji 表情等特殊字符的文本数据。
2. 排序规则：
   • 在 MySQL 5.x 版本中，默认的排序规则是 utf8mb4_general_ci，
   • 而在 MySQL 8.x 版本中，默认的排序规则是 utf8mb4_0900_ai_ci。
   • 这是因为 MySQL 8.x 引入了新的排序规则算法 utf8mb4_0900_ai_ci，它在一些情况下（例如对特殊字符的排序）表现更为准确和符合语言习惯。

所以，**如果希望在 MySQL 5.x 和 8.x 版本中都兼容，并且不需要新的排序规则算法，可以使用 utf8mb4 字符集和 utf8mb4_general_ci 排序规则。**但如果需要更准确的排序和对特殊字符的支持，可以考虑使用 utf8mb4 字符集和 utf8mb4_0900_ai_ci 排序规则。