本文更新于2019-06-16,使用MySQL 5.7,操作系统为Deepin 15.4。
常用字符集
字符集
定长
代码宽度
说明
ASCII或ISO-646
是
1字节7位
英文字母、数字、标点符号和33个控制符
ISO-8859系列
是
1字节8位
各西欧字符集,兼容ASCII
GB2312
否
1或2字节
兼容ASCII,不推荐使用
GBK
否
1或2字节
兼容GB2312
GB18030
否
1、2或4字节
兼容GBK
Unicode或UCS-4或ISO-10646
是
4字节
从最高字节起依次代表组(group)、面(plane)、行(row)、格(ceil),包括BMP、辅助字面和专用字面
UCS-2
是
2字节
UCS-4的0组0面,即基本多语言文字面(BMP)
Unicode有如下编码方式:
编码方式
定长
代码宽度
说明
UTF-8
否
1至6字节
兼容ASCII
UTF-16
否
2或4字节
BMP使用2字节表示,以外使用4字节表示,按字节序不同分为UTF-16BE和UTF-16LE
UTF-32
是
4字节
Unicode原始编码,按字节序不同分为UTF-32BE和UTF-32LE
UTF-8编码如下:
字节
代码位数
代码空间
字节组合
1
0-7
0x0 - 0x7f
0xxxxxxx
2
8-11
0x80 - 0x7ff
110xxxxx,10xxxxxx
3
12-16
0x800 - 0xffff
1110xxxx,10xxxxxx,10xxxxxx
4
17-21
0x10000 - 0x1fffff
11110xxx,10xxxxxx,10xxxxxx,10xxxxxx
5
22-26
0x200000 - 0x3ffffff
111110xx,10xxxxxx,10xxxxxx,10xxxxxx,10xxxxxx
6
27-31
0x4000000 - 0x7fffffff
1111110x,10xxxxxx,10xxxxxx,10xxxxxx,10xxxxxx,10xxxxxx
每个汉字,GBK使用2字节,UTF-8使用3字节。
MySQL字符集
MySQL的UTF-8字符集最大长度为3字节,只能表示BMP中的字符(0-0xffff)。若要使用大于3字节的字符(如emoji),则需使用utf8mb4字符集。
MySQL包含字符集和校对规则两个概念。校对规则用来定义比较字符串的方式,一种字符集至少有一种校对规则,但可以有多种校对规则。校对规则的命名以其相关的字符集名开始,中间通常包含一个语言名,并且以_ci(大小写不敏感)、_cs(大小写敏感)或_bin(比较是基于字符编码的值而与语言无关)结束,如gbk_chinese_ci。
MySQL的字符集和校对规则有4个级别的设置:
服务器级:可通过配置文件或启动选项设置,默认为latin1。
数据库级:可通过CREATE DATABASE或ALTER DATABASE设置,如数据库中已存在记录,修改字符集不会将已有数据按照新的字符集进行存放。
表级:可通过CREATE TABLE或ALTER TABLE设置,如表中已存在记录,修改字符集不会将已有数据按照新的字符集进行存放。
字段级:可通过CREATE TABLE或ALTER TABLE设置,如表中已存在记录,修改字符集不会将已有数据按照新的字符集进行存放。
客户端和服务器交互时,还存在客户端、连接、返回结果的字符集和校对规则,通常这三者是相同的,才可以确保数据能被正确读取。可以通过SET NAMES charset同时修改这三个值。可以通过[_charset] 'str' [COLLATE collation]强制字符串的字符集和校对规则。
已有记录的字符集调整,需先将数据导出,经过适当调整后重新导入。