字符集

平时总说字符集，出了乱码就知道是字符集的问题。
但是为什么字符集出了问题就会是乱码，而且为什么会是这样子的乱码
字符串比较的时候什么时候忽略大小写，什么时候不忽略

大家都没有仔细想过，那我就来做个笔记。

什么是字符集，为什么有这个东西？

因为机器只认二进制，但是人们不认识，所以要做一个翻译的东西
就像google翻译，输入英语，显示汉语
字符集就是这个东西
大家都知道utf8字符集，在这里他会把每个字符都对应成二进制
(这里查询)[http://www.mytju.com/classcode/tools/encode_utf8.asp]

比如‘字’：E5AD97（111001011010110110010111）
‘符’E7ACA6（111001111010110010100110）
‘集’E99B86（111010011001101110000110）

如果我输入‘字符集’计算机接收到的就是二进制字符串也就是上面三个的拼接。
字符集就像个字典。

在mysql中经常看到utf8 和 utf8mb4
因为有的时候比如一个字母‘a’的编码是：61（1100001）一个字节就解决掉，没必要用四个字符。所以在mysql中utf8其实是utf8mb3，只能装下三个字节的字符。
但是有的时候你想存个表情😊那就不行了，因为表情是用四个自己的。
之后在报错，就知道原因了吧。

还想到一个问题，就是php中的substr()函数
这个函数第一个参数是字符串，第二个是开始位置，第三个是个数
你发现，搞英文字符串一点问题都没有，搞汉字就出问题。
这个就是字符长度问题。utf8是变长字符集，1-4都行
所以因为字母少，所以一个字符就能表示，也就是说，第三个参数是字节数。
在汉字中就不行了，上面举例汉字基本都是三个字符。所以把一个字切开，那不就是出问题了。
所以以后用mb_substr()就行了，这回知道了为啥出问题了。
你可以自己试试用substr()如果纯汉字字符串，第三个参数你填6，他一定只截取两个字。纯英文，就会截取6个。

看样子有些时候，不能只停留在解决问题的层面上。

比较规则

image.png

创建表的时候是不是会看这个东西，
这个是啥，以前一直都是选择默认的。
这次就好好探究一下这是啥东西。
我们确定好一个字符集之后，知道了A 和a的映射关系
但是我们怎么比较他俩大小呢，难道是用二进制？
但有的时候我们不想区分大小，要让A和a相等
这个就不能只用二进制去判断了，需要人为添加一些比较规则。
比如我制定一个规则test，在test中我要让A和a相同，那我就先把A转换成a，再去用二进制比较。

类似这种自定义的规则，多放一些之后，就是上图那些了。

这种规则名称很规律。
字符集名称开头，后面跟着主要用于的语言，接着是否区分一些大小写什么的
举例
utf8_general_ci适用于utf8字符集，通用语言，不区分大小写

后缀 英文释义 描述
_ai accent insensitive 不区分重音
_as accent sensitive 区分重音
_ci case insensitive 不区分大小写
_cs case sensitive 区分大小写
_bin binary 以二进制方式比较

乱码的产生

解码，编码是什么意思
客户端服务端这些东西是怎么传输的（mysql中，其他类似）

把一个字符变成二进制，叫编码
吧二进制变成字符，叫解码

服务端，吧字符串编码，变成二进制，传输过去，客户端接收到，解码，变成字符。

产生乱码的原因就是编码和解码的字符集不同

举例就懂了：
utf8中的我 是 0xE68891

传输过去之后，客户端用gbk解码
因为gbk是两个字节，所以0xE68891变成了一个字符，加上半个字符
0xE68891在jgk字符集中代表的是鎴，之后的半个字符没有，就不显示了
这个还可以像个字。
如果客户端用latin1解码，这个是一个字节
0xE6 æ
0x88 ˆ
0x91 ‘
最后客户端显示我
这回像乱码了。
之后再遇到乱码就不慌了。