mysql---字符集详解

常用的字符集包括ASCII ，GB2312 , GBK , UTF-8 ,Unicode

首先要知道

ASCII编码：

用一个字节来标识0-9的数字、大小写字母、及一些标点和不可见字符。1个字节8位，可以有256种组合。标准的ASCII编码只利用一个字节的后7位（128种组合），最高位用作奇偶校验。

范围为0000 0000 - 0111 1111 即 0-127

因为ASCII最多只有256种组合，中国汉字成千上万，所以需要更多的字节来表示一个汉字，常见中文编码的有GB2312和GBK。

GB2312编码：

是中国计算机的本地编码方式，用两个字节来表示一个汉字。为了兼容ASCII编码，这两个字节的取值范围都不在0-127，而是在128-255之间。则GB2312理论上最多有128*128=16384种组合。足够表示常用的汉字。

现有以下几个数，每个数表示一个字节，问哪些是GB2312编码，哪些是用ASCII编码？数字只是随便举的

128 200 65 189 178 23 213 186

128 200 因为两个字节都在128-255之间，所以是用GB2312编码的汉字

65 一个字节在0-127之间，所以是用ASCII编码的，实际表示的是小写字母‘a’。

189 178 同理是用GB2312编码的汉字

213 186 也是用GB2312编码的汉字

GBK编码:

是GB2312的升级版，收容了更多的汉字。它也是用两个字节表示汉字，第一个字节的理论范围依旧是128-255之间，但第二个字节范围变为0-255。理论上最多能表示128*256种组合。同样能兼容ASCII编码。

比如

128 65 65 189 178 23 213 186

因为128不在0-127之间，所以从128开始的2个字节表示的是一个汉字

65在0-127，所以用一个字节表示小写字母‘a’。

189 178 同理189不在0-127之间，表示的是一个汉字

213 186 同理213 不在0-127之间，表示的是一个汉字

Unicode字符集：

Unicode其实只是相当于一张表，用4个字节给去全世界的文字进行了编号。

UTF-8编码：

UTF-8和Unicode的关系，相当于压缩文件与源文件的关系，UTF-8用来压缩Unicode。UTF-8是变长编码，理论上用1到6字节来表示一个字符。

最高位是0的，用1个字节来表示一个字符

最高位有n个连续的1，则用个n个字节表示一个字符。

MySql乱码问题：

乱码问题有两种可能：1、解码与对应的编码不匹配。2、数据损坏。

第一种是可以解决的，第二种数据已损坏无法还原。

对于第一种情况，要先了解MySql的各个环节

客户端先按照客户端的编码方式对数据进行编码，然后传送到连接器，如果与连接器的编码方式不匹配再转换成连接器的编码。然后比对连接器的编码与存储数据的编码。如果连接器的编码方式与数据库存储数据的编码方式不一致，则接着转换成数据库存储数据的编码方式。同理，当返回结果时，数据库数据比对连接器编码，不一致则转成连接器编码，再比对连接器编码与结果集编码，不一致则转换成结果及编码。

总而言之，只要客户端、连接器、结果集编码保持一致，大部分情况是不会出现乱码的。

可以通过

set character_set_client = 编码方式；设置客户端编码

set character_set_connection=编码方式； 设置连接器编码

set character_set_results=编码方式； 设置接结果集编码

这三句话也可以简化为一句:set names 编码方式