詳解mysql中的字符集和校驗規則
1幾種常見字符集
在MySQL中,最常見的字符集有ASCII字符集、latin字符集、GB2312字符集、GBK字符集、UTF8字符集等,下面我們簡單介紹下這些字符集:
ASCII字符集
這個字符集使用1個位元組進行編碼,一個位元組具有8位,總共可以儲存128個字元,具體的對應關係如下:
latin字符集
latin字符集一共可以儲存256個字元,相比ASCII碼,它又包含了128個西歐常用字元。
GB2312字符集
它包含了中文漢字、拉丁字元、希臘字元等,其中漢字佔了大多數,有6763個,其他文字元號638個,而且它相容ASCII字元。當對ASCII編碼的時候,它採用1個位元組進行編碼,也就是128位,當對其他字元進行編碼的時候,它採用2個位元組進行編碼。可以理解它是一種邊長編碼方式。
GBK字符集
該字符集是對GB2312字符集的一個擴充,它相容GB2312字符集,一般採用兩個位元組進行編碼。
UTF8字符集
它通常由1~4個位元組來進行編碼,根據使用位元組的不同,也可以分為UTF8和utf8mb4兩種,mb4的意思就是最多4個位元組的意思,一般來講UTF8採用三個位元組進行編碼,除此之外,還有utf16以及utf32,utf16使用2個或4個位元組編碼一個字元,utf32使用4個位元組編碼一個字元。
需要注意的是,一些emoji表情需要使用utf8mb4來表示。
2 mysql中支援的字符集
MySQL支援很多字符集,以我本地的字符集為例,使用show charset;命令檢視當前伺服器支援的字符集,結果如下:
[email protected]:(none) 22:46:48>>show charset; +----------+-----------------------------+---------------------+--------+ | Charset | Description | Default collation | Maxlen | +----------+-----------------------------+---------------------+--------+ | big5 | Big5 Traditional Chinese | big5_chinese_ci | 2 | | dec8 | DEC West European | dec8_swedish_ci | 1 | | cp850 | DOS West European | cp850_general_ci | 1 | | hp8 | HP West European | hp8_english_ci | 1 | | koi8r | KOI8-R Relcom Russian | koi8r_general_ci | 1 | | latin1 | cp1252 West European | latin1_swedish_ci | 1 | | latin2 | ISO 8859-2 Central European | latin2_general_ci | 1 | | swe7 | 7bit Swedish | swe7_swedish_ci | 1 | | ascii | US ASCII | ascii_general_ci | 1 | | ujis | EUC-JP Japanese | ujis_japanese_ci | 3 | | sjis | Shift-JIS Japanese | sjis_japanese_ci | 2 | | hebrew | ISO 8859-8 Hebrew | hebrew_general_ci | 1 | | tis620 | TIS620 Thai | tis620_thai_ci | 1 | | euckr | EUC-KR Korean | euckr_korean_ci | 2 | | koi8u | KOI8-U Ukrainian | koi8u_general_ci | 1 | | gb2312 | GB2312 Simplified Chinese | gb2312_chinese_ci | 2 | | greek | ISO 8859-7 Greek | greek_general_ci | 1 | | cp1250 | Windows Central European | cp1250_general_ci | 1 | | gbk | GBK Simplified Chinese | gbk_chinese_ci | 2 | | latin5 | ISO 8859-9 Turkish | latin5_turkish_ci | 1 | | armscii8 | ARMSCII-8 Armenian | armscii8_general_ci | 1 | | utf8 | UTF-8 Unicode | utf8_general_ci | 3 | | ucs2 | UCS-2 Unicode | ucs2_general_ci | 2 | | cp866 | DOS Russian | cp866_general_ci | 1 | | keybcs2 | DOS Kamenicky Czech-Slovak | keybcs2_general_ci | 1 | | macce | Mac Central European | macce_general_ci | 1 | | macroman | Mac West European | macroman_general_ci | 1 | | cp852 | DOS Central European | cp852_general_ci | 1 | | latin7 | ISO 8859-13 Baltic | latin7_general_ci | 1 | | utf8mb4 | UTF-8 Unicode | utf8mb4_general_ci | 4 | | cp1251 | Windows Cyrillic | cp1251_general_ci | 1 | | utf16 | UTF-16 Unicode | utf16_general_ci | 4 | | cp1256 | Windows Arabic | cp1256_general_ci | 1 | | cp1257 | Windows Baltic | cp1257_general_ci | 1 | | utf32 | UTF-32 Unicode | utf32_general_ci | 4 | | binary | Binary pseudo charset | binary | 1 | | geostd8 | GEOSTD8 Georgian | geostd8_general_ci | 1 | | cp932 | SJIS for Windows Japanese | cp932_japanese_ci | 2 | | eucjpms | UJIS for Windows Japanese | eucjpms_japanese_ci | 3 | +----------+-----------------------------+---------------------+--------+ 39 rows in set (0.00 sec)
可以看到,一共支援39中字符集,當然,不同的版本這個數字還有一些出入。在這39中字符集裡面,需要我們記住的主要有以下幾個:
+----------+-----------------------------+---------------------+--------+ | Charset | Description | Default collation | Maxlen | +----------+-----------------------------+---------------------+--------+ | latin1 | cp1252 West European | latin1_swedish_ci | 1 | | ascii | US ASCII | ascii_general_ci | 1 | | gb2312 | GB2312 Simplified Chinese | gb2312_chinese_ci | 2 | | gbk | GBK Simplified Chinese | gbk_chinese_ci | 2 | | utf8 | UTF-8 Unicode | utf8_general_ci | 3 | | utf8mb4 | UTF-8 Unicode | utf8mb4_general_ci | 4 | +----------+-----------------------------+---------------------+--------+
這裡,我們暫時只需要知道他們最大長度包含幾個位元組就ok了。
3 校驗規則
字符集的校驗規則,指的是字符集比較大小的時候依據的準則,比如我們比較a和B的大小,如果不考慮大小寫,那麼a<B,如果考慮大小寫,則a>B,也就是說,同一字符集,不同的比較規則,對某列資料的排序結果也就會產生不同。
MySQL中的字元校驗規則可以通過show collation;語法來檢視,如下:
[email protected]:(none) 23:00:36>>show collation; +-----------------------+----------+-----+---------+----------+---------+ | Collation | Charset | Id | Default | Compiled | Sortlen | +-----------------------+----------+-----+---------+----------+---------+ | big5_chinese_ci | big5 | 1 | Yes | Yes | 1 | | big5_bin | big5 | 84 | | Yes | 1 | | dec8_swedish_ci | dec8 | 3 | Yes | Yes | 1 | | dec8_bin | dec8 | 69 | | Yes | 1 | ........... | koi8r_general_ci | koi8r | 7 | Yes | Yes | 1 | | koi8r_bin | koi8r | 74 | | Yes | 1 | | latin1_german1_ci | latin1 | 5 | | Yes | 1 | | koi8u_general_ci | koi8u | 22 | Yes | Yes | 1 | | utf8_general_ci | utf8 | 33 | Yes | Yes | 1 | | utf8_bin | utf8 | 83 | | Yes | 1 | | utf8_unicode_ci | utf8 | 192 | | Yes | 8 | | utf8_icelandic_ci | utf8 | 193 | | Yes | 8 | | utf8_latvian_ci | utf8 | 194 | | Yes | 8 | | utf8_romanian_ci | utf8 | 195 | | Yes | 8 | | utf8_slovenian_ci | utf8 | 196 | | Yes | 8 | | utf8_polish_ci | utf8 | 197 | | Yes | 8 | | utf8_estonian_ci | utf8 | 198 | | Yes | 8 | +-----------------------+----------+-----+---------+----------+---------+ 195 rows in set (0.00 sec)
我們可以看到,結果中一共有195中比較規則,其中,每種字符集都包含自己預設的校驗規則,我們簡單解釋一條:utf8_polish_ci以波蘭語為規則進行對比,這個校驗規則由三個部分組成,比較規則名稱以與其關聯的字符集的名稱開頭,utf8是指的是utf8字符集的比較規則,polish指的是波蘭語,_ci指的是不區分大小寫。
針對最後面的字尾,我們可以總結如下:
_ai 不區分重音
_as 區分重音
_ci case insensitive(不敏感) 不區分大小寫
_cs case sensitive(敏感) 區分大小寫
_bin 二進位制
上面的結果中,我們還可以看到,一些校驗規則的default列的值是yes,就代表這個校驗規則是該字符集的預設校驗規則。
4 伺服器上的字符集和比較規則
mysql提供了兩個系統變數來表示伺服器級別的字符集和比較規則,一個是character_set_sever,另外一個是collation_server,我們可以檢視它們的預設值:
[email protected]:(none) 23:12:28>>show variables like 'character_set_server' ; +----------------------+-------+ | Variable_name | Value | +----------------------+-------+ | character_set_server | utf8 | +----------------------+-------+ 1 row in set (0.00 sec) [email protected]:(none) 23:12:47>>show variables like 'collation_server'; +------------------+-----------------+ | Variable_name | Value | +------------------+-----------------+ | collation_server | utf8_general_ci | +------------------+-----------------+ 1 row in set (0.00 sec) [email protected]:(none) 23:12:57>>
在mysql中,字符集和校驗規則分為4個級別,分別是伺服器級別、資料庫級別、表級別以及欄位級別,這裡我們分別舉例子來看:
資料庫級別 mysql 23:23:48>>create database yyz character set utf8 collate utf8_general_ci ; Query OK,1 row affected (0.01 sec) 表級別 mysql 23:24:23>>create table yyz.yyz ( name varchar(10) ) charset gb2312 collate gb2312_chinese_ci; Query OK,0 rows affected (0.04 sec) 欄位級別 mysql 23:27:06>> [email protected]:(none) 23:27:06>>alter table yyz.yyz add num varchar(10) charset gbk collate gbk_chinese_ci; Query OK,0 rows affected (0.11 sec) Records: 0 Duplicates: 0 Warnings: 0 檢視結果 mysql 23:28:27>>show create table yyz.yyz; +-------+---------------------------------------------------------------------------------------------------------------------------------------------------+ | Table | Create Table | +-------+---------------------------------------------------------------------------------------------------------------------------------------------------+ | yyz | CREATE TABLE `yyz` ( `name` varchar(10) DEFAULT NULL,`num` varchar(10) CHARACTER SET gbk DEFAULT NULL ) ENGINE=InnoDB DEFAULT CHARSET=gb2312 | +-------+---------------------------------------------------------------------------------------------------------------------------------------------------+ 1 row in set (0.00 sec)
由於字符集和比較規則是互相有聯絡的,如果我們只修改了字符集,比較規則也會跟著變化,如果只修改了比較規則,字符集也會跟著變化,具體規則如下:
只修改字符集,則比較規則將變為修改後的字符集預設的比較規則。
只修改比較規則,則字符集將變為修改後的比較規則對應的字符集。
還有下面4條需要記住:
- 對於資料庫來說,如果建立和修改資料庫的語句中沒有致命字符集和比較規則,將使用伺服器級別的字符集和比較規則作為資料庫的字符集和比較規則
- 對於某個表來說,如果建立和修改表的語句中沒有指明字符集和比較規則,將使用該表所在資料庫的字符集和比較規則作為該表的字符集和比較規則;
- 對於某個列來說,如果在建立和修改的語句中沒有指明字符集和比較規則,將使用該列所在表的字符集和比較規則作為該列的字符集和比較規則。
- 對於儲存字串的列,同一個表中的不同的列也可以有不同的字符集和比較規則
以上就是詳解mysql中的字符集和校驗規則的詳細內容,更多關於mysql中的字符集和校驗規則的資料請關注我們其它相關文章!