字符集设置问题深究

1、基础知识

字符(Character)：是文字和符号的总称。例如'A'、'B'、'汉'、'$'等。

字符集(Charset)：是一个系统支持的所有抽象字符的集合。

字符编码(Character Encoding)：是一套法则，描述字符集与数字系统之间建立对应关系。给定一系列字符，对每个字符赋予一个数值，用数值来代表对应的字符，这一数值就是字符的编码(Encoding)。例如，我们给字符'A'赋予数值0，给字符’B'赋予数值1，则0就是字符'A'的编码。

字符序(Collation)：是指在同一字符集内字符之间的比较规则；确定字符序后，才能在一个字符集上定义什么是等价的字符，以及字符之间的大小关系；每个字符序唯一对应一种字符集，但一个字符集可以对应多种字符序。

mysql字符序的命名规则：字符集名字_语言_后缀，
几种常见后缀：_ci(表示大小写不敏感)、_cs(表示大小写敏感)、_bin(表示按编码值比较)
例如：在字符序“utf8_general_ci”下，字符“a”和“A”是等价的；

2、常用字符集和字符编码

2.1.ASCII、Latin-1

ASCII字符集：主要包括控制字符（回车键、退格、换行键等）；可显示字符（英文大小写字符、阿拉伯数字和西文符号）。

ASCII编码：将ASCII字符集转换为计算机可以接受的数字系统的数的规则。使用7位（bits）表示一个字符，共128字符；但是7位编码的字符集只能支持128个字符。

ISO-8859-1又称Latin-1：是一个8位单字节字符集，它把ASCII的最高位也利用起来，并兼容了ASCII，新增的理论空间是128，但它并没有完全用完。

2.2.GB2312、GBK

GB2312字符集：中国国家标准简体中文字符集，包括基本汉字，缺少罕用字。

GBK字符集：GB2312字符集的扩展，支持中国国内少数民族的文字，汉字收录范围包含繁体汉字以及日韩汉字。

GBK编码：采用多字节编码。

2.3.Unicode

Unicode字符集：世界上所有的符号纳入其中，每一个符号都给予一个独一无二的编码，以满足跨语言、跨平台进行文本转换、处理的要求。

Unicode编码：计算机一般使用 4个字节（32 位）(两个字节不够用时)来存放一个序号，该序号为每个字符在 UNICODE 字符集中的序号。


2.4.UTF

UTF：是Unicode 的实现（或存储）方式，称为Unicode转换格式。Unicode是字符集，UTF-32/ UTF-16/ UTF-8是三种字符编码方案。

UTF-8编码：是一种针对Unicode的可变长度字符编码，也是一种前缀码。

Utf-8 中文三个字节，英文一个字节 

Unicode 中文两个字节，英文两个字(不够用时4字节)

gb2312，gbk 中文两个字节，英文一个字节 

Unicode编码转换为UTF-8编码：