字符集和整理是什麼意思？

Question

我可以閱讀MySQL文檔，它很清楚。但是，如何決定使用哪個字符集？排序有哪些數據會產生影響？

我要求解釋這兩者以及如何選擇它們。

Answer 1

從MySQL docs：

甲字符集是一組符號和 編碼的。 A 排序規則是一組 規則，用於比較 字符集中的字符。讓我們用 一個虛構的字符集來區分 。

假設我們有一個字母表 四個字母：'A'，'B'，'a'，'b'。我們 給每個字母一個數字：'A'= 0, 'B'= 1，'a'= 2，'b'= 3。字母 'A'是一個符號，數字0是 編碼'A'，並且所有四個字母及其 編碼的組合 是字符集。

現在，假設我們想比較 兩個字符串值'A'和'B'。執行此操作的最簡單方法是查看 的編碼：0代表'A'，1代表 'B'。因爲0小於1，所以我們說 'A'小於'B'。現在，我們剛剛完成的 是對我們的 字符集應用排序規則。排序規則爲規則集 （本例中只有一條規則）： 「比較編碼」。我們把這個簡稱爲 二進制整理。

但是，如果我們想說 小寫字母和大寫字母是 相當於什麼呢？然後我們至少在 有兩條規則：（1）將 小寫字母'a'和'b'看作 等同於'A'和'B'; （2）然後 比較編碼。我們稱之爲 不區分大小寫的整理。這是一個 比二進制 排序規則稍微複雜一點。

在現實生活中，大多數字符集有 許多字符：不僅僅是「A」和「B」 但整個字母，有時 多個字母或東部書寫 系統有成千上萬個字符， 有很多特殊符號一起和 標點符號。此外，在現實生活中， 最歸類有很多的規則：不 只是不區分大小寫，而且 口音不敏感（即「口音」，是連接到一個字符 的符號， 德國「O」）和多字符 映射（例如兩個德語 排序中的一箇中的'ö'= 'OE'的規則）。

Answer 2

A character encoding是一種對字符進行編碼以使其適合內存的方法。也就是說，如果字符集是ISO-8859-15，歐元符號€將被編碼爲0xa4，在UTF-8中，它將是0xe282ac。

的collation是如何比較字符，在latin9，有字母e é è ê f，如果排序由二進制表示，它會去e f é ê è但是當覈對設定，例如，法語，你就會有他們在你以爲他們會的順序，這是所有的e é è ê是相等的，然後f。

Answer 3

字符集是所有書寫字形的子集。字符編碼指定這些字符如何映射到數字值。某些字符編碼（如UTF-8和UTF-16）可以對通用字符集中的任何字符進行編碼。其他的，如US-ASCII或ISO-8859-1只能編碼一個小的子集，因爲它們分別使用7位和8位。由於許多標準都指定了字符集和字符編碼，因此術語「字符集」通常可以自由替換爲「字符編碼」。

排序規則包含指定如何比較字符以進行排序的規則。排序規則可以是特定於語言環境的：兩種字符的順序因語言而異。

選擇字符集和排序規則歸結爲您的應用程序是否國際化。如果不是，你的目標是什麼區域？

爲了選擇你想支持的字符集，你必須考慮你的應用程序。如果您正在存儲用戶提供的輸入，則可能很難預見您的軟件最終將使用的所有語言環境。爲了支持他們，最好從一開始就支持UCS（Unicode）。但是，這是一個成本;許多西歐字符現在需要每個字符兩個字節而不是一個字節。

如果您的數據庫使用排序規則來創建索引，並且稍後使用該索引來提供排序結果，那麼選擇正確的排序規則可以提高性能。但是，由於排序規則通常是特定於語言環境的，因此如果您需要根據另一個語言環境的規則對結果進行排序，那麼該索引將毫無價值。

Answer 4

我建議使用utf8mb4_unicode_ci，它基於用於排序和比較的Unicode標準，該標準可以在各種語言中進行精確排序。