第 3 章 乱码的前世今生——字符集和比较规则

3.1 字符集和比较规则简介

3.1.1 字符集简介

字符集：人们抽象出来的用来描述某个字符范围的编码规则。

3.1.2 比较规则简介

如何比较两个字符，最简单的方法是直接比较两个字符对应的二进制编码大小。但很多情况下并不适用。

3.1.3 一些重要的字符集

字符集	描述	大小(byte)
ASCII	128个字符	1
ISO8859-1	扩充ASCII，256个字符	1
GB2312	兼容ASCII	1~2
GBK	兼容GB2312	1~2
UTF-8	几乎所有字节，兼容ASCII	1~4

3.2 MySQL中支持的字符集和比较规则

3.2.1 MySQL中的utf8和utf8mb4

utf8mb3：“阉割”过的UTF-8字符集，只使用1~3字节表示字符。
utf8mb4：正宗的UTF-8字符集，使用1~4字节表示字符。MySQL8.0默认字符集。

3.2.2 字符集的查看

SHOW (CHARACTER SET|CHARSET) [LIKE 匹配的模式];

SHOW CHARSET;

Default collation：比较规则

3.2.3 比较规则的查看

SHOW COLLATION [LIKE 匹配的模式];

SHOW COLLATION LIKE 'utf8%'

比较规则名称后缀英文释义及描述

3.3 字符集和比较规则的应用

3.3.1 各级别的字符集和比较规则

1. 服务器级别

SHOW VARIABLES LIKE 'character_set_server';

SHOW VARIABLES LIKE 'collation_server';

2. 数据库级别

SHOW VARIABLES LIKE 'character_set_database';

SHOW VARIABLES LIKE 'collation_database';

3. 表级别

建表时指定，可通过DDL修改。默认为该表所在数据库的字符集和比较规则。

4. 列级别

建表时指定，可通过DDL修改。默认为该列所在表的字符集和比较规则。

3.3.2 客户端和服务器通信过程中使用的字符集

1. 编码和解码使用的字符集不一致

public static void main(String[] args) {
	String s = "我";
	// 转GBK打印
	System.out.println(new String(s.getBytes(StandardCharsets.UTF_8), Charset.forName(GBK))); // 鎴�
}

对于同一个字符串，如果编码和解码使用的字符集不一样，会产生意想不到的结果，在我们看来就像是产生了乱码一样。

2. 字符集转换的概念

0xE68891这个字节序列按归UTF-8字符集进行解码，然后又把它按照GBK字符集进行编码，编码后0xCED2。这个过程称为字符集的转换。

3. MySQL 中的字符集转换过程

1. 客户端发送请求
2. 服务器接收请求
3. 服务器处理请求
4. 服务器生成响应
5. 客户端接收响应

3.3.3 比较规则的应用

比较规则通常用来比较字符串的大小以及对某些字符串进行排序，所以也称为排序规则。

3.4 总结

1. 字符集指的是某个字符范围的编码规则
2. 比较规则是对某个字符集的字符比较大小的一种规则
3. 在 MySQL 中，一个字符集可以有多个比较规则