MySQL 字符集utf8和utf-8的关系

目录

• 什么是字符集(character set)
• 校对规则(collation)
• ASCII码
• Unicode国际化支持
• UTF-8
• utf8
• utf8与utf8mb4的关系
• 超集
• 字符集设置

---

什么是字符集(character set)

• 字符的二进制编码方式
• 二进制编码到一套字符的映射
• 二进制->编码->字符

校对规则(collation)

• 在字符集内用于比较字符的一套规则

ASCII码

• 1个字节由8个二进制位组成
• 1个字节可表示256种不同的状态（256个不同符号）
• ASCII码规定了128个字符（数字、英文字符和一些标点符号）的编码

Unicode国际化支持

• 世界上存在多种编码方式，同一个二进制数字被解释成了不同的符号
• 现存 编码 不能在多语言环境中使用，诞生了Unicode(统一码)
• 一个字符的Unicode编码是确定的
• Unicode编码实现方式各不相同
• Unicode的实现方式称为Unicode转化格式(UTF)

UTF-8

• UTF-8是Unicode的实现方式之一
• 其它实现方式还有UTF-16, UTF-32
• 变长编码，一个符号使用1~4个字节表示
• utf8是MySQL存储Unicode数据的一种可选方法

utf8

• MySQL中实现了UTF-8编码的unicode 字符集
• MySQL中utf8是utf8mb3的别名
• utf8中，一个符号使用1~3个节点表示
• 对UTF-8支持不彻底，可采用utf8mb4字符集

utf8与utf8mb4的关系

• 都是实现了UTF-8编码的unicode 字符集
• utf8仅支持基本多语言平面Basic Multilingual Plane (BMP)
• utf8mb4支持BMP之外的补充字符（如emoji，emoji 是一种特殊的 Unicode 编码）
• utf8 一个字符最多使用3个字节存储，utf8mb4 一个字符最多使用4个字节存储
• 对于BMP字符，utf8和utf8mb4具有相同的编码，相同的长度
• 对于非BMP字符，utf8mb4使用4个字节来存储，utf8不能存储非BMP字符
• innodb中默认最大可对767个字节建立索引
• 使用utf8 的列最多可对255个字符建立索引
• 使用utf8mb4 的列最多可对191个字符建立索引

超集

• 字符集A,B ，B支持的所有字符A都支持,A 是B超集
• 比如 GBK字符集是GB2312字符集的超集，它们又都是ASCII字符集的超集
• utf8mb4是utf8的超集

字符集设置

set names x 等价于

• set character_set_client=x;
• set character_set_connection=x;
• set character_set_results=x;

--default-character-set 用户连接时设置字符集 等价于

• set character_set_client=x;
• set character_set_connection=x;
• set character_set_result=x;
  init-connect=set names binary
• 让client和server交互的时候以 什么模式(不做任何转化)来传送

default-character-set

• 设置[mysql]和[client] 中的字符集

character-set-server

• 设置[mysqld] 进程的默认字符集

collation-server

• 设置[mysqld] 进程的默认校对规则
• utf8_general_ci 查找、排序不区分大小写
• utf8_bin 查找、排序区分大小写

参考
Unicode Support
字符集与编码杂谈
ASCII，Unicode 和 UTF-8
清官谈mysql中utf8和utf8mb4区别