- 编码、解码
计算机硬盘中只能存储二进制，那么怎么来存储字符串呢？答案是通过建立二进制与字符串的映射关系。那么如何映射呢？需要一个约定的集合来充当中介，这就是字符集。
将字符映射成二进制数据叫做编码，将二进制数据映射为字符的过程叫做解码。
常用的字符集有比如ASCII，ASCII使用一个字节编码，共收录128个字符，包括空格、标点符号、数字、大小写字母和一些不可见字符。例如'L' -> 01001100,十六进制：0x4C
最通用的字符集为utf-8，收录地球上能想到的所有字符。采用变长编码方式，编码一个字符需要使用1～4个字节。例如：'L' -> 01001100（十六进制：0x4C） '啊' -> 111001011001010110001010（十六进制：0xE5958A）
- MySQL中的utf8和utf8mb4
utf-8使用1-4个字节，但是一般常用的字符1-3个字节就足够了，考虑到读写效率，于是MySQL自己擅作主张地将自己的utf8字符集改为1-3个字节。这样可能导致一些问题，比如emoji表情读写失败。utf8mb4才是正统的使用1-4个字节存储数据的字符集，所以一般在建库时，都会选择utf8mb4。
- 比较规则
如何比较两个字符的大小？我们需要比较规则。如何制定比较规则才是合理的呢？最简单的想法是：使用字符相对应的二进制数来比较。比方说字符'a'的编码为0x01，字符'b'的编码为0x02，所以'a'小于'b'。
但很多时候这么简单的比较规则无法满足需求，那么更加多样、复杂的比较规则就应运而生了。就拿最常见的utf8_general_ci来说吧，utf8代表所应用的字符集，general表示通用的，其他还有例如spanish，则代表更适合西班牙语字符。ci代表不区分大小写，其他还有例如cs,代表区分大小写。
比较规则大多用于排序，如果在对字符串作排序后得到了意想不到的结果，需要考虑一下是不是比较规则的设置上出现了问题。
网友评论