字符集和比较规则简介 字符集简介 在计算机中只能存储二进制数据，那该怎么存储字符串呢？当然是建立字符与二进制数据的映射关系了，建立这个关系最起码要搞清楚两件事儿
你要把哪些字符映射成二进制数据？也就是界定清楚字符范围。
怎么映射？将一个字符映射成一个二进制数据的过程也叫做 编码 ，将一个二进制数据映射到一个字符的过程叫做 解码 。
人们抽象出一个 字符集 的概念来描述某个字符范围的编码规则。
一些重要的字符集
ASCII 字符集: 共收录128个字符，包括空格、标点符号、数字、大小写字母和一些不可见字符。由于总共才128个字符，所以可以使用1个字节来进行编码
ISO 8859-1 字符集: 共收录256个字符，是在 ASCII 字符集的基础上又扩充了128个西欧常用字符(包括德法两国的字母)，也可以使用1个字节来进行编码。这个字符集也有一个别名 latin1 。
GB2312 字符集: 收录了汉字以及拉丁字母、希腊字母、日文平假名及片假名字母、俄语西里尔字母。其中收录汉字6763个其他文字符号682个。同时这种字符集又兼容 ASCII 字符集，所以在编码方式上显得有些奇怪:
如果该字符在 ASCII 字符集中，则采用1字节编码。
否则采用2字节编码。
这种表示一个字符需要的字节数可能不同的编码方式称为 变长编码方式, 如果某个字节是在0～127之内的，就意味着一个字节代表一个单独的字符，否则就是两个字节代表一个单独的字符。
GBK 字符集: GBK 字符集只是在收录字符范围上对 GB2312 字符集作了扩充，编码方式上兼容 GB2312 。
utf8 字符集: 收录地球上能想到的所有字符，而且还在不断扩充。这种字符集兼容 ASCII 字符集，采用变长编码方式，编码一个字符需要使用1～4个字节
MySQL中支持的字符集和排序规则 MySQL中的utf8和utf8mb4 utf8 字符集表示一个字符需要使用1～4个字节，但是我们常用的一些字符使用1～3个字节就可以表示了。而在 MySQL 中字符集表示一个字符所用最大字节长度在某些方面会影响系统的存储和性能，所以设计MySQL 的大叔偷偷的定义了两个概念：
utf8mb3 ：阉割过的 utf8 字符集，只使用1～3个字节表示字符。
utf8mb4 ：正宗的 utf8 字符集，使用1～4个字节表示字符。
有一点需要大家十分的注意，在 MySQL 中 utf8 是 utf8mb3 的别名 ,如果大家有使用4字节编码一个字符的情况，比如存储一些emoji表情啥的，那请使用 utf8mb4 。
字符集的查看 查看当前 MySQL 中支持的字符集可以用下边这个语句：
SHOW (CHARACTER SET|CHARSET) [LIKE 匹配的模式];
其中 CHARACTER SET 和 CHARSET 是同义词，用任意一个都可以
mysql> SHOW CHARSET; +----------+---------------------------------+---------------------+--------+ | Charset | Description | Default collation | Maxlen | +----------+---------------------------------+---------------------+--------+ | armscii8 | ARMSCII-8 Armenian | armscii8_general_ci | 1 | | ascii | US ASCII | ascii_general_ci | 1 | | big5 | Big5 Traditional Chinese | big5_chinese_ci | 2 | | binary | Binary pseudo charset | binary | 1 | | cp1250 | Windows Central European | cp1250_general_ci | 1 | | cp1251 | Windows Cyrillic | cp1251_general_ci | 1 | | cp1256 | Windows Arabic | cp1256_general_ci | 1 | | cp1257 | Windows Baltic | cp1257_general_ci | 1 | | cp850 | DOS West European | cp850_general_ci | 1 | | cp852 | DOS Central European | cp852_general_ci | 1 | | cp866 | DOS Russian | cp866_general_ci | 1 | | cp932 | SJIS for Windows Japanese | cp932_japanese_ci | 2 | | dec8 | DEC West European | dec8_swedish_ci | 1 | | eucjpms | UJIS for Windows Japanese | eucjpms_japanese_ci | 3 | | euckr | EUC-KR Korean | euckr_korean_ci | 2 | | gb18030 | China National Standard GB18030 | gb18030_chinese_ci | 4 | | gb2312 | GB2312 Simplified Chinese | gb2312_chinese_ci | 2 | | gbk | GBK Simplified Chinese | gbk_chinese_ci | 2 | | geostd8 | GEOSTD8 Georgian | geostd8_general_ci | 1 | | greek | ISO 8859-7 Greek | greek_general_ci | 1 | | hebrew | ISO 8859-8 Hebrew | hebrew_general_ci | 1 | | hp8 | HP West European | hp8_english_ci | 1 | | keybcs2 | DOS Kamenicky Czech-Slovak | keybcs2_general_ci | 1 | | koi8r | KOI8-R Relcom Russian | koi8r_general_ci | 1 | | koi8u | KOI8-U Ukrainian | koi8u_general_ci | 1 | | latin1 | cp1252 West European | latin1_swedish_ci | 1 | | latin2 | ISO 8859-2 Central European | latin2_general_ci | 1 | | latin5 | ISO 8859-9 Turkish | latin5_turkish_ci | 1 | | latin7 | ISO 8859-13 Baltic | latin7_general_ci | 1 | | macce | Mac Central European | macce_general_ci | 1 | | macroman | Mac West European | macroman_general_ci | 1 | | sjis | Shift-JIS Japanese | sjis_japanese_ci | 2 | | swe7 | 7bit Swedish | swe7_swedish_ci | 1 | | tis620 | TIS620 Thai | tis620_thai_ci | 1 | | ucs2 | UCS-2 Unicode | ucs2_general_ci | 2 | | ujis | EUC-JP Japanese | ujis_japanese_ci | 3 | | utf16 | UTF-16 Unicode | utf16_general_ci | 4 | | utf16le | UTF-16LE Unicode | utf16le_general_ci | 4 | | utf32 | UTF-32 Unicode | utf32_general_ci | 4 | | utf8mb3 | UTF-8 Unicode | utf8mb3_general_ci | 3 | | utf8mb4 | UTF-8 Unicode | utf8mb4_0900_ai_ci | 4 | +----------+---------------------------------+---------------------+--------+ 41 rows in set (0.00 sec)
其中的 Default collation 列表示这种字符集中一种默认的 比较规则 。大家注意返回结果中的最后一列 Maxlen ，它代表该种字符集表示一个字符最多需要几个字节。
比较规则的查看 查看 MySQL 中支持的比较规则的命令如下：
SHOW COLLATION [LIKE 匹配的模式];
一种字符集可能对应着若干种比较规则， MySQL 支持的字符集就已经非常多了，所以支持的比较规则更多，我们先只查看一下 utf8 字符集下的比较规则：
mysql> show collation like 'utf8mb3%' ; +-----------------------------+---------+-----+---------+----------+---------+---------------+ | Collation | Charset | Id | Default | Compiled | Sortlen | Pad_attribute | +-----------------------------+---------+-----+---------+----------+---------+---------------+ | utf8mb3_bin | utf8mb3 | 83 | | Yes | 1 | PAD SPACE | | utf8mb3_croatian_ci | utf8mb3 | 213 | | Yes | 8 | PAD SPACE | | utf8mb3_czech_ci | utf8mb3 | 202 | | Yes | 8 | PAD SPACE | | utf8mb3_danish_ci | utf8mb3 | 203 | | Yes | 8 | PAD SPACE | | utf8mb3_esperanto_ci | utf8mb3 | 209 | | Yes | 8 | PAD SPACE | | utf8mb3_estonian_ci | utf8mb3 | 198 | | Yes | 8 | PAD SPACE | | utf8mb3_general_ci | utf8mb3 | 33 | Yes | Yes | 1 | PAD SPACE | | utf8mb3_general_mysql500_ci | utf8mb3 | 223 | | Yes | 1 | PAD SPACE | | utf8mb3_german2_ci | utf8mb3 | 212 | | Yes | 8 | PAD SPACE | | utf8mb3_hungarian_ci | utf8mb3 | 210 | | Yes | 8 | PAD SPACE | | utf8mb3_icelandic_ci | utf8mb3 | 193 | | Yes | 8 | PAD SPACE | | utf8mb3_latvian_ci | utf8mb3 | 194 | | Yes | 8 | PAD SPACE | | utf8mb3_lithuanian_ci | utf8mb3 | 204 | | Yes | 8 | PAD SPACE | | utf8mb3_persian_ci | utf8mb3 | 208 | | Yes | 8 | PAD SPACE | | utf8mb3_polish_ci | utf8mb3 | 197 | | Yes | 8 | PAD SPACE | | utf8mb3_romanian_ci | utf8mb3 | 195 | | Yes | 8 | PAD SPACE | | utf8mb3_roman_ci | utf8mb3 | 207 | | Yes | 8 | PAD SPACE | | utf8mb3_sinhala_ci | utf8mb3 | 211 | | Yes | 8 | PAD SPACE | | utf8mb3_slovak_ci | utf8mb3 | 205 | | Yes | 8 | PAD SPACE | | utf8mb3_slovenian_ci | utf8mb3 | 196 | | Yes | 8 | PAD SPACE | | utf8mb3_spanish2_ci | utf8mb3 | 206 | | Yes | 8 | PAD SPACE | | utf8mb3_spanish_ci | utf8mb3 | 199 | | Yes | 8 | PAD SPACE | | utf8mb3_swedish_ci | utf8mb3 | 200 | | Yes | 8 | PAD SPACE | | utf8mb3_tolower_ci | utf8mb3 | 76 | | Yes | 1 | PAD SPACE | | utf8mb3_turkish_ci | utf8mb3 | 201 | | Yes | 8 | PAD SPACE | | utf8mb3_unicode_520_ci | utf8mb3 | 214 | | Yes | 8 | PAD SPACE | | utf8mb3_unicode_ci | utf8mb3 | 192 | | Yes | 8 | PAD SPACE | | utf8mb3_vietnamese_ci | utf8mb3 | 215 | | Yes | 8 | PAD SPACE | +-----------------------------+---------+-----+---------+----------+---------+---------------+ 28 rows in set (0.00 sec)
具体规律如下:
比较规则名称以与其关联的字符集的名称开头。如上图的查询结果的比较规则名称都是以 utf8mb3 开头的。
后边紧跟着该比较规则主要作用于哪种语言，比如 utf8mb3_polish_ci 表示以波兰语的规则比较，utf8mb3_spanish_ci 是以西班牙语的规则比较， utf8_general_ci 是一种通用的比较规则。
名称后缀意味着该比较规则是否区分语言中的重音、大小写
后缀
英文释义
描述
_ai
accent insensitive
不区分重音
_as
accent sensitive
区分重音
_ci
case insensitive
不区分大小写
_cs
case sensitive
区分大小写
_bin
binary
以二进制方式比较
每种字符集对应若干种比较规则，每种字符集都有一种默认的比较规则， SHOW COLLATION 的返回结果中的Default 列的值为 YES 的就是该字符集的默认比较规则，比方说 utf8mb3 字符集默认的比较规则就是utf8mb3_general_ci
字符集和比较规则的应用 各级别的字符集和比较规则 MySQL 有4个级别的字符集和比较规则，分别是：
服务器级别 MySQL 提供了两个系统变量来表示服务器级别的字符集和比较规则：
系统变量
描述
character_set_server
服务器级别的字符集
collation_server
服务器级别的比较规则
mysql> SHOW VARIABLES LIKE 'character_set_server' ; +----------------------+---------+ | Variable_name | Value | +----------------------+---------+ | character_set_server | utf8mb4 | +----------------------+---------+ 1 row in set (0.24 sec) mysql> SHOW VARIABLES LIKE 'collation_server' ; +------------------+--------------------+ | Variable_name | Value | +------------------+--------------------+ | collation_server | utf8mb4_0900_ai_ci | +------------------+--------------------+ 1 row in set (0.00 sec)
可以在启动服务器程序时通过启动选项或者在服务器程序运行过程中使用 SET 语句修改这两个变量的值。
[server] character_set_server=gbk collation_server=gbk_chinese_ci
数据库级别 在创建和修改数据库的时候可以指定该数据库的字符集和比较规则，具体语法如下：
CREATE DATABASE 数据库名
其中的 DEFAULT 可以省略，并不影响语句的语义
如果想查看当前数据库使用的字符集和比较规则，可以查看下面两个系统变量的值
系统变量
描述
character_set_database
当前数据库的字符集
collation_database
当前数据库的比较规则
character_set_database 和 collation_database 这两个系统变量是只读的，我们不能通过修改这两个变量的值
数据库的创建语句中也可以不指定字符集和比较规则，这样的话将使用服务器级别的字符集和比较规则作为数据库的字符集和比较规则。
表级别 可以在创建和修改表的时候指定表的字符集和比较规则，语法如下
CREATE TABLE 表名 (列的信息)
如果创建和修改表的语句中没有指明字符集和比较规则，将使用该表所在数据库的字符集和比较规则作为该表的字符集和比较规则。
列级别 对于存储字符串的列，同一个表中的不同的列也可以有不同的字符集和比较规则。我们在创建和修改列定义的时候可以指定该列的字符集和比较规则，语法如下：
CREATE TABLE 表名(
对于某个列来说，如果在创建和修改的语句中没有指明字符集和比较规则，将使用该列所在表的字符集和比较规则作为该列的字符集和比较规则。
在转换列的字符集时需要注意，如果转换前列中存储的数据不能用转换后的字符集进行表示会发生错误。比方说原先列使用的字符集是utf8，列中存储了一些汉字，现在把列的字符集转换为ascii的话就会出错，因为ascii字符集并不能表示汉字字符。
仅修改字符集或仅修改比较规则 由于字符集和比较规则是互相有联系的，如果我们只修改了字符集，比较规则也会跟着变化，如果只修改了比较规则，字符集也会跟着变化，具体规则如下：
只修改字符集，则比较规则将变为修改后的字符集默认的比较规则。
只修改比较规则，则字符集将变为修改后的比较规则对应的字符集。
不论哪个级别的字符集和比较规则，这两条规则都适用
各级别字符集和比较规则小结 4个级别字符集和比较规则的联系如下：
如果创建或修改列时没有显式的指定字符集和比较规则，则该列默认用表的字符集和比较规则
如果创建或修改表时没有显式的指定字符集和比较规则，则该表默认用数据库的字符集和比较规则
如果创建或修改数据库时没有显式的指定字符集和比较规则，则该数据库默认用服务器的字符集和比较规则
客户端和服务器通信中的字符集 编码和解码使用的字符集不一致的后果 对于同一个字符串编码和解码使用的字符集不一样，会产生意想不到的结果，作为人类的我们看上去就像是产生了乱码一样。
字符集转换的概念 如果接收 0xE68891 这个字节串的程序按照 utf8 字符集进行解码，然后又把它按照 gbk 字符集进行编码，最后编码后的字节串就是 0xCED2 ，我们把这个过程称为 字符集的转换 ，也就是字符串 ‘我’ 从 utf8 字符集转换为gbk 字符集。
MySQL中字符集的转换 从客户端发往服务器的请求本质上就是一个字符串，服务器向客户端返回的结果本质上也是一个字符串，而字符串其实是使用某种字符集编码的二进制数据。这个字符串可不是使用一种字符集的编码方式一条道走到黑的，从发送请求到返回结果这个过程中伴随着多次字符集的转换，在这个过程中会用到3个系统变量，我们先把它们写出来看一下：
系统变量
描述
character_set_client
服务器解码请求时使用的字符集
character_set_connection
服务器处理请求时会把请求字符串从 character_set_client 转为 character_set_connection
character_set_results
服务器向客户端返回数据时使用的字符集
mysql> SHOW VARIABLES LIKE 'character_set_client' ; +----------------------+-------+ | Variable_name | Value | +----------------------+-------+ | character_set_client | gbk | +----------------------+-------+ 1 row in set (0.20 sec) mysql> SHOW VARIABLES LIKE 'character_set_connection' ; +--------------------------+-------+ | Variable_name | Value | +--------------------------+-------+ | character_set_connection | gbk | +--------------------------+-------+ 1 row in set (0.00 sec) mysql> SHOW VARIABLES LIKE 'character_set_results' ; +-----------------------+-------+ | Variable_name | Value | +-----------------------+-------+ | character_set_results | gbk | +-----------------------+-------+ 1 row in set (0.00 sec)
我们通常都把 character_set_client 、character_set_connection、character_set_results 这三个系统变量设置成和客户端使用的字符集一致的情况，这样减少了很多无谓的字符集转换。为了方便我们设置， MySQL 提供了一条非常简便的语句：
SET NAMES 字符集名;
这一条语句产生的效果和我们执行这3条的效果是一样的：
SET character_set_client = 字符集名;
比较规则的应用 比较规则 的作用通常体现比较字符串大小的表达式以及对某个字符串列进行排序中，所以有时候也称为 排序规则 。
总结
字符集 指的是某个字符范围的编码规则。
比较规则 是针对某个字符集中的字符比较大小的一种规则。
在 MySQL 中，一个字符集可以有若干种比较规则，其中有一个默认的比较规则，一个比较规则必须对应一个字符集。
查看 MySQL 中查看支持的字符集和比较规则的语句如下：
SHOW (CHARACTER SET | CHARSET) [LIKE 匹配的模式];SHOW COLLATION [LIKE 匹配的模式];
MySQL有四个级别的字符集和比较规则服务器级别 character_set_server 表示服务器级别的字符集， collation_server 表示服务器级别的比较规则。数据库级别
CREATE DATABASE 数据库名[[DEFAULT ] CHARACTER SET 字符集名称] [[DEFAULT ] COLLATE 比较规则名称]; ALTER DATABASE 数据库名[[DEFAULT ] CHARACTER SET 字符集名称] [[DEFAULT ] COLLATE 比较规则名称];
character_set_database 表示当前数据库的字符集， collation_database 表示当前默认数据库的比较规则，这两个系统变量是只读的，不能修改。如果没有指定当前默认数据库，则变量与相应的服务器级系统变量具有相同的值。表级别
CREATE TABLE 表名 (列的信息)[[DEFAULT ] CHARACTER SET 字符集名称] [COLLATE 比较规则名称]]; ALTER TABLE 表名[[DEFAULT ] CHARACTER SET 字符集名称] [COLLATE 比较规则名称];
从发送请求到接收结果过程中发生的字符集转换：character_set_client 代表的字符集进行解码，将解码后的字符串再按照 character_set_connection 代表的字符集进行编码。character_set_connection 代表的字符集和具体操作的列使用的字符集一致，则直接进行相应操作，否则的话需要将请求中的字符串从character_set_connection 代表的字符集转换为具体操作的列使用的字符集之后再进行操作。将从某个列获取到的字节串从该列使用的字符集转换为 character_set_results 代表的字符集后发送到客户端。客户端使用操作系统的字符集解析收到的结果集字节串。
在这个过程中各个系统变量的含义如下：
系统变量
描述
character_set_client
服务器解码请求时使用的字符集
character_set_connection
服务器处理请求时会把请求字符串从 character_set_client 转为 character_set_connection
character_set_results
服务器向客户端返回数据时使用的字符集
一般情况下要使用保持这三个变量的值和客户端使用的字符集相同。
比较规则的作用通常体现比较字符串大小的表达式以及对某个字符串列进行排序中。
