运维分享｜MySQL的字符集（一）

📫 作者简介：「六月暴雪飞梨花」，专注于研究Java，就职于科技型公司后端工程师
🏆 近期荣誉：华为云云享专家、阿里云专家博主、
🔥 三连支持：欢迎 ??关注、👍点赞、👉收藏三连，支持一下博主~

引言

陈康肃公善射，当世无双，公亦以此自矜。尝射于家圃，有卖油翁释担而立，睨之久而不去。见其发矢十中八九，但微颔之。康肃问曰：”汝亦知射乎？吾射不亦精乎？”。翁曰：“无他，
但手熟尔。”康肃忿然曰：“尔安敢轻吾射！”翁曰：“以我酌油知之。”乃取一葫芦置于地，以钱覆其口，徐以杓酌油沥之，自钱孔入，而钱不湿。因曰：“我亦无他，惟手熟尔。”康肃笑而遣之。

开篇引言引自六一居士欧阳修的《卖油翁》，旨在告诉各位，简单的事情做对了，难得事情做好了，没有什么好的方法，只是让自己熟练而已。就像我们写文章，浅显的道理大家都懂，却又似懂非懂，最后造成了不懂装懂的地步，而我写文的目的也无外乎贻笑大方，给自己一个博文强记的用途。

写作目的

前几篇博文也可谓是铁打的营盘流水的兵，固定的知识每个人都在写，每个人也都在学习。希望此文对大家也有所帮助。本文想深入了解下MySQL的字符集相关的内容，希望有这方面需求的阅读者可以作为一个参考范本。如果你去MySQL的官网查阅后有新的观点也不妨我们一起探讨、一起学习，共同进步。

字符、字符集、字符编码

什么是字符？

字符（Character）是各种文字和符号的总称，包括各国家文字、标点符号、图形符号、数字等。

什么是字符集？

字符集（Character set）是多个字符的集合，字符集种类较多，每个字符集包含的字符个数不同。在一个字库表中，每一个字符都有一个对应的二进制地址，而编码字符集就是这些地址的集合。

什么是字符编码？

是把字符集中的字符编码为特定的二进制数，以便在计算机中存储。每个字符集中的字符都对应一个唯一的二进制编码。

字符、字符集、字符编码的关系

• 字符是一种符号，具象。

• 字符集是字符的集合。

• 字符集和字符编码一一对应，计算机在读取、解析、显示时根据这个对应关系显示对应的字符编码，使得计算机可以懂得这个约定是什么，最后展示给用户。

为什么需要字符集

当我们阅读上一小节后，这个问题应该就迎刃而解了——计算机底层的运算逻辑要统一——二进制数据。

我们所做的大部分的工作技术含量并不高，而且一直需要不断更新技术的更不多，能把一件事做到极致其实更多的不过是精益求精、不断打磨，不需要太多的技巧，唯熟能尔。

我们需要使用字符集来做运算，比较运算或者说是制定了一套规则，一套大家在计算机层面约定的规则。例如，我们如何知道 字符a 和 字符b 的大小？其实，比较字符的大小，其实是比较底层字符对应底层字符编码规则的顺序位置。 字符a 的底层字符编码为 0x01 字符b 的底层字符编码为 0x02，按照已经约定的规则计算，那么 字符a 排列在 字符b 的前面，所以 字符a 小于 字符b 。当然，这也不是一个肯定结果，例如我们在MySQL数据库中，设置不区分大小写，那么在这种情况下， 字符a 和 字符A 是相等关系。为什么会出现这个问题呢？下面让我们一探究竟。

在我们的这个世界中，有很多字符集，他们描述不同的国家的语言信息。不同国家根据自己的特性制造出来了不同的字符集。常见的字符集有ASCII字符集、ISO8859-1字符集、GB2312字符集、GBK字符集、Unicode字符集（常见的是UTF-8、UTF-16、UTF-32）。

常见的字符集

常见字符集名称：ASCII字符集、GB2312字符集、BIG5字符集、 GB18030字符集、Unicode字符集等。

ASCII字符集

最早的编码字符集，全称是American Standard Code for Information Interchange，源于美国信息互换标准编码，基于罗马字母表产生的。ASCII字符集共包含00000000～01111111共128个字符，它表示的范围包括空格、标点符号、数字、大小写字母和一些特殊字符。例如

字符M的ASCII为01001101（十六进制是0x4D，十进制是77）

ISO8859-1字符集

ISO8859-1字符集在ASCII字符集的基础上增加了128个，共256额字符。他还有一个名字：Latin1。默认情况下，MySQL的字符集是Latin1（ISO_8859_1）。至于为什么是这个，请听下回分解。

GB2312字符集

GB2312字符集收录了汉字、拉丁字母、希腊字母、日文（平假名/片假名）、俄语（西里尔字母）等，其中汉字六千多，符号近七百，GB2312字符集兼容ASCII字符集。GB2312字符集使用规则很简单，如果一个字符存在于ASCII字符集中，则采取一字节编码；如果一个字符不存在于ASCII字符集，而存在于GB2312字符集中，那么采取二字节编码。

GBK字符集

GBK字符集在GB2312字符集的基础上面又进行了扩充且兼容GB2312字符集。GBK全称《汉字内码扩展规范》，支持国际标准ISO/IEC10646-1和国家标准GB13000-1中的全部中日韩汉字。GBK字符集中，中文字符占2个字节，英文占1个字节。 采用单双字节变长编码方式，英文使用单字节编码，完全兼容ASCII字符编码，中文部分采用双字节编码。

Unicode

这个不用讲太多了，我们常常见到他，无论是做数据运维、还是前后端开发。他收录了所有的字符，目前还在不断的扩充中。Unicode最多可以保存4个字节容量的字符。也就是说，要区分每个字符，每个字符的地址需要4个字节。这是十分浪费存储空间的，于是，程序员就设计了几种字符编码方式，比如：UTF-8、UTF-16、UTF-32。最常使用的就是UTF-8，UTF-8是一种变长字符编码。

注意??：UTF-8不是编码规范，而是编码方式或者说是其中一种解决方案。

结束语

对于同一个字符，采取不同的编码字符集，展示的结果也就不相同。凡是就怕认真二字，真的肯花心思，很难有什么事情做不好。怕就怕，资质平平，却又不肯花心思。那就不得怨天尤人了。我是「Aion」，一个爱钻研的开发者，希望同大家一起分享知识。