Mysql的字符集编码选择

mysql版本：5.7.37

所有内容都来自于mysql5.7文档，这里只是做个笔记，方便以后自己查看。

mysql中的基础概念：

character set：字符集编码。

collations：与字符集编码对应的一套规则，这套规则规定了字符如何比较算法，从而解决如何排序的问题，例如大小写敏感比较，按照字符的二进制编码比较等。

collation的名字组成及含义： {character set name}_{language-specific}_{collation_suffixes} 其中第一个部分表示的值字符集的名字；第二部分表示的特定语言，表示按照该特定语言的排序规则排序；第三部分表示的后缀，后缀含义如下表。

Suffix Meaning
_ai Accent-insensitive
_as Accent-sensitive
_ci Case-insensitive
_cs Case-sensitive
_bin Binary
另外，collatoin的名字后缀中，_ci暗含了_ai，_cs暗含了_as。例如，latin1_general_ci 表示case-insensitive 和 隐含accent-insensitive。

对于_bin后缀的collations来说，其比较的是字符的编码值，这是比较重要的一点。

collation与character set的关系：

mysql中，collation的值必须与character set对应，每一种character set都有一个默认的collation。

例如

如果指定character set为utf8，那么collation的值就只能是utf8相关的collation，否则报错。

如果指定了character set为utf8而没有指定collation的值，那么就会使用utf8对应的默认的collation----utf8_general_ci。

character set repertoire：字符集所支持的字符。

一个String expression可以指定repertoire属性来表明该String expressions的中包含的字符是属于哪个字符集，该属性是对 Collation Coercibility in Expressions的补充，当 Collation Coercibility in Expressions的优先级相同的时候，就需要查看repertoire属性，然后根据该属性来确定是否能够进行字符串的转换，如果不能就报错；如果能转换，则转换。

在创建字段的时候，通常系统都会默认分配一个字符集给一个字段，或者用户也可以显式的给字段指定一个字符集，然后当用户在字符串表达式中使用该字段的时候，假如用户没有指定repertoire属性，那么系统就会使用创建字段的时候的字符集的值来确定repertoire的值。repertoire是以下两个值之一：ASCII和UNICODE。

ASCII：表明该string expressions包含的字符都是ASCII字符。

UNICODE：表盖string expressions包含的字符是unicode字符。

之所以是这两个值之一的原因在于：

ASCII是其它所有character set的子集，所以它能转换为其它任意的字符集字符。

UNICODE是其它所有character set的超集，所以其它任意字符集字符可以转换为UNICODE字符。

binary character set：该字符集应该是mysql的一个概念，其有一个对应的binary collation，该collation规定了binary strings（例如，binary，varbinary类型）的比较和排序规则。binary strings类型的字段都是属于binary character set，在创建二进制字段的时候，不需要指定character set也不能指定character set（如果指定会报错）。

二进制数据

二进制数据的比较是基于字节的，比对的是字节中内容。例如，一个二进制字段具有5个字节，但是存入的数据只有1个字节，那么剩下4个字节全部自动填0，后续的比较也会把这4个0考虑在内。