mysql学习笔记（七）字符集编码

一.基本概念

位：数据存储的最小单位，二进制的0或1就是1个位。

字节：8位等于一个字节。

字符集（又名字符）：字符集是各种符号的集合，比如数字1,2,3 ，字母a,b,c,d等等。

校对集：校对集是字母和符号的校对标准。校对集影响着字符的排序和搜索。

字节和字符区别：字节是数据存储的单位，而字符是各种符合的集合。

编码：将“字符”变为1个或多个"字节"的过程。

解码：与编码的过程相反。

编码方式：按某种方式将“字符”变为"字节"。 常见的方式有：ascii编码，utf-8编码，gbk编码，unicode编码。

 

二.中文编码方式

    常见中文编码方式：

• GBK：英语字母和数字以一个字节，汉字以2个进行编码。
• Unicode: 字符集只是给所有的字符一个唯一编号，但是却没有规定如何存储。
• UTF-8:英语字母和数字以一个字节，大部分汉字以3个进行编码。

Unicode和UTF-8来源：当年ISO组织为了把各个国家的编码标准统一起来，制定了Unicode编码，把所有的字符都给定了唯一的编号，但没有给定如何储存。一个编号为 65 的字符，只需要一个字节就可以存下，但是编号 40657 的字符需要两个字节的空间才可以装下，而更靠后的字符可能会需要三个甚至四个字节的空间。这时，用什么规则存储 Unicode 字符就成了关键，我们可以规定，一个字符使用四个字节存储，也就是 32 位，这样就能涵盖现有 Unicode 包含的所有字符，这种编码方式叫做 UTF-32（UTF 是 UCS Transformation Format 的缩写）。UTF-32 的规则虽然简单，但是缺陷也很明显，假设使用 UTF-32 和 ASCII 分别对一个只有西文字母的文档编码，前者需要花费的空间是后者的四倍（ASCII 每个字符只需要一个字节存储）。为了解决这个问题，引入了UTF-8编码，

U+ 0000 ~ U+ 007F: 0XXXXXXX
U+ 0080 ~ U+ 07FF: 110XXXXX 10XXXXXX
U+ 0800 ~ U+ FFFF: 1110XXXX 10XXXXXX 10XXXXXX
U+10000 ~ U+1FFFF: 11110XXX 10XXXXXX 10XXXXXX 10XXXXXX

可以看到，UTF-8 通过开头的标志位位数实现了变长。对于单字节字符，只占用一个字节，实现了向下兼容 ASCII，并且能和 UTF-32 一样，包含 Unicode 中的所有字符，又能有效减少存储传输过程中占用的空间。

所以可以得出结论：UTF-8是Unicode编码的具体存储实现，Unicode 不是单个编码，只有提 UTF-8/16/32 编码的字节数才有意义。

 

三.字符集的操作

--建student表，指定字符集
create table student(
     id int  not null  auto_increment primary key;
     name varchar(10) not null
     ) engine = innodb   charset=utf8  ;

 

--改变字符集
alter table student charset =gbk;         

--查询Mysql支持的字符集
show character set;

--查询Mysql支持的校对集
show collation;