Mysql面试题之编码和字符集的关系

目录

1.概念普及：

2.编码格式总结：

1>ascll编码格式

2>unicode编码格式

3>utf8和utfbmb4编码格式的区别

---

1.概念普及：

<1> 按照一定规则将符号转换成对应的二进制码，这就是编码。

<2>而将多个这种已经编码好的字符聚到一起，则称为字符集。

2.编码格式总结：

       在日常生活中编辑器上敲出的中文和英文字母，都是给我们人进行读写的。而计算机真正将数据存储和传输都是以二进制的格式进行的。

1>ascll编码格式

       在使用二进制传输与保存时，就需要有一个规则限制，将中文和英文字母转化为二进制格式。例如：a 表示的16进制是61，则转换为二进制格式则为0110 0001。这就是ascll码格式。它用1个字节，亦或者说8位二进制数表示字符。 而基础的符号有128个，拓展符号有128个，只能表示英文字母和数字。

2>unicode编码格式

        但这明显不够，所以为了标识中文 则出现了GB2312编码格式，为了标识希腊语，则出现了greek格式。为了标识俄语，则出现了cp866格式。而这些用于标识其他语言的格式统称为unicode格式。Unicode编码格式 ，用2-4个字节进行表示字符。理论上基本所有符号都可以收录进去，并且它也兼容了ascll码格式。

       但ascll码格式只用了一个字节，而unicode编码格式则用了2个字节，例子如下：

        ascll编码 ：                   00000001

     unicode编码：00000000  00000001

      由上对比可知，unicode编码前面的8位多余的二进制数，用不上，但却占了一个字节，有些浪费，所以出现了utf8编码。

3>utf8和utfbmb4编码格式的区别

      1.mysql支持utf8和utfmb4 格式字符集

      2.而utf8编码格式是mysql默认的编码格式字符集，而它最多支持3个字节表示字符，这里也               可以称它位“utfmb3”.

      3.utfmb4则是最多支持4个字节便是字符。

      4.并且utf8(utfmb3)只支持部分字符。例如emoji字符就不支持。

      5.而在mysql字符集里 collation 是比较规则

        例如：hello  Hello

        这两个单词是同一个单词，但是大小写不同 ，该不该判定他们的大小写则需要用到 collation 了。

         如果collation = utf8mb4_general_ci，是指使用utf8mb4字符集的前提下，挨个字符进行比较（general），并且不区分大小写（_ci，case insensitice）。

        这种情况下，"debug"和"Debug"是同一个单词。

        如果改成collation=utf8mb4_bin，就是指挨个比较二进制位大小。

        于是"debug"和"Debug"就不是同一个单词。

        如果改成collation=utf8mb4_bin，就是指挨个比较二进制位大小。

        于是"debug"和"Debug"就不是同一个单词。

我们知道数据库表里，字段类型如果是char(2)的话，里面的2是指字符个数，也就是说不管这张表用的是什么编码的字符集，都能放上2个字符。

而char又是固定长度，为了能放下2个utf8mb4的字符，char会默认保留2*4（maxlen=4）= 8个字节的空间。

如果是utf8mb3，则会默认保留 2 * 3 (maxlen=3) = 6个字节的空间。也就是说，在这种情况下，utf8mb4会比utf8mb3多使用一些空间。