MySQL字符集与校对集
Table of Contents
创建数据库
创建数据库的时候，除了数据库名，还有两个参数：字符集(Character Set)和校对集(Collation)。
下图是我用“Sequel Pro”创建数据库时的界面(Sequel Pro只有macOS有)，它需要选Encoding和Collation
用“Navicat Premium”创建数据库，它需要选Character Set和Collation
用命令创建数据库也可以指定编码(CHARSET)和校对集(COLLATE)
CREATE DATABASE `wordpress` DEFAULT CHARSET utf8mb4 COLLATE utf8mb4_0900_ai_ci;
编码与字符集的区别
以上两个软件中，数据库名我们就不用看了，另外的参数共有三个：
- Encoding：编码，由于编码者是一个集合，我们一般叫它“编码集”；
- Character Set：字符集；
- Collation：Collation是校对的意思，但由于它其实就是一组规则的集合，所以我们一般叫它“校对集”，但“校对集”让人比较难理解，其实它就是“一组排序规则”。
从创建数据库里的两个工具的对应上来看，Sequel Pro里的Encoding与Navicat Premium里的Character Set是一个意思，也就是说，从这两个软件上来看，编码与字符集是一个意思。
但事实上，编码和字符集是有区别的，对于ASCII字符集，它只有一种编码，那就是ASCII码，所以ASCII的编码集和字符集是一样的，但Unicode字符集就不止一种编码了，它有UTF-8、UTF-16、UTF-32三种编码。但我们平时说，都说字符集，不说编码集。
编码是什么，我想就不需要解释了吧，所有的文字、符号、表情要保存到硬盘中，最终肯定要变成一个数字，毕竟电脑的本名叫计算机，计算机计算机，当然就是计算数字用的，它的所有数据都是二进制的，只有数字才能变成二进制，所以字符必须编码成数字，最经典的就是ASCII码，在ASCII中，大写A是十进制的65，而小写a则是十进制的97，即65对应A，97对应a，这就是最基础的“编码”。
当然，ASCII只能表示26个英文字母+10个数字+常见的标点符号+少量的其它符号，但世界上有很多语言，每种语言的文字都不一样，所以每种文字都有自己的编码，比如中文常见的有GB2312和GBK(GB是国标的拼音首字母，K是扩展的“扩”字的拼音首字母，表示“扩展字符集”的意思)。
MySQL8.0默认的字符集(charset)是utfmb4编码的(Chapter 10 Character Sets, Collations, Unicode)，我们建库的时候用这个编码就可以(文本中存emoji表情需要这个编码)，mb是multibytes(多字节)的意思，4就是4个字节的意思，其实在mysql添加utf8mb4之前的那个“utf8”是“utf8mb3”，只不过没有把mb3写出来呗了。
校对集(Collation)
校对集，其实就是比较规则、排序规则，比如，按字母顺序排序，小写b肯定排在小写a后面，那为什么数据库会知道b排在a后面呢？因为b的ASCII是98，a的ASCII是97，从小到大排，98肯定排在97的后面。
然而，实际的排序，比a和b排序复杂的多，比如中文排序按拼音首字母、按声调、德语法语之类的也是有声调的，排序的时候，决定哪个字排前面，哪个字排后面的一组规则，就叫“校对集(Collation)”。
utf8mb4_0900_ai_ci解释：
- 0900是排序算法的版本号；
- ai表示accent insensitive(音调不敏感)，比如在排序时，认为e, è, é, ê, ë是一样的；
- as表示accent sensitive(音调敏感)，比如在排序时，认为e, è, é, ê, ë是不同的；
- ci表示case insensitive(大小写不敏感)，即不区分大小写；
- cs表示case sensitive(大小写敏感)，表示区分大小写；
- mysql8.0.1之后默认都是utf8mb4字符集以及utf8mb4_0900_ai_ci校对集(也就是排序时，不区分口音及大小写)，在8.0.1之前默认校对集是utf8mb4_0900_general_ci。
查看当前数据库的字符集与校对集
SELECT @@character_set_database, @@collation_database;
# 或者用这个，手打起来更方便
show create database <数据库名>;
查看mysql中的所有字符集
mysql> show variables like "%character%";
+--------------------------+------------------------------------------------------+
| Variable_name | Value |
+--------------------------+------------------------------------------------------+
| character_set_client | utf8mb4 |
| character_set_connection | utf8mb4 |
| character_set_database | utf8mb4 |
| character_set_filesystem | binary |
| character_set_results | utf8mb4 |
| character_set_server | utf8mb4 |
| character_set_system | utf8mb3 |
| character_sets_dir | /usr/local/Cellar/mysql/8.0.29/share/mysql/charsets/ |
+--------------------------+------------------------------------------------------+
8 rows in set (0.00 sec)
+--------------------------+-----------------------------------------------------+
| 变量名 | 含义 |
+--------------------------+-----------------------------------------------------+
| character_set_client | 客户端字符集 |
| character_set_connection | 连接字符集 |
| character_set_database | 数据库字符集 |
| character_set_filesystem | 文件系统字符集 |
| character_set_results | 查询结果字符集 |
| character_set_server | 服务器字符集 |
| character_set_system | 系统字符集 |
| character_sets_dir | 字符集文件夹 |
+--------------------------+------------------------------------------------------+
其中character_set_system是指mysql用来存储标识符(identifiers)用的，比如存储数据库名、表名、字段名、索引名等用的字符集。
而character_set_server则是mysql服务器内部操作字符集，比如查询表中的数据，暂存在内存中，这个数据也是要有字符集的。
MySQL中使用set names来设置字符集(单引号可省略不写)
SET NAMES 'utf8mb4';
相当于同时设置以下三个字符集
set character_set_client = utf8;
set character_set_results = utf8;
set character_set_connection = utf8;
如果你设置utf8，其实就是设置了utf8mb3，因为mb3是utf8默认的，所以就没把mb3写出来，即以下两个语句是等效的
SET NAMES 'utf8';
SET NAMES 'utf8mb3';
