字符集详解

Bin大约 3 分钟

字符集详解

1. 什么是字符集？

字符集是一个 字符集合，它定义了可以使用的字符范围。
字符集包含字母、数字、符号和控制字符等，用于支持不同语言和地区的文字表示。

简单定义：字符集定义了哪些字符可以被存储和处理。
面试点：不同字符集之间的兼容性和支持范围的差异。

2. 什么是字符编码？

字符编码是将 字符集中的字符 转换为计算机可以理解的二进制形式的规则。

字符集 vs 字符编码：
- 字符集定义了有哪些字符。
- 字符编码定义了如何表示这些字符。
面试点：
- 同一个字符集可以有不同的编码方式。
- 如 Unicode 字符集可以用 UTF-8、UTF-16 等方式编码。

3. 常见的字符集

以下是一些常见的字符集及其特点：

字符集	描述	特点
ASCII	美国信息交换标准代码	7 位编码，128 个字符，主要用于英语。
GB2312	中国国家字符集	仅支持简体中文，6763 个汉字，682 个符号。
GBK	GB2312 的扩展	兼容 GB2312，支持约 2 万个汉字和符号。
GB18030	GBK 的进一步扩展	国家标准，支持少数民族文字，约 7 万个字符，向下兼容 GBK 和 GB2312。
BIG5	繁体中文字符集	主要用于台湾和香港，约 1.3 万个汉字。
Unicode	全球字符集，支持多语言文字	包含全球大多数语言字符，独立于语言，解决了传统字符集的局限性。
UTF-8	Unicode 编码的一种	变长编码，使用 1-4 个字节表示字符，兼容 ASCII，广泛用于互联网。

面试点：UTF-8 和 GBK 的区别：
- UTF-8 是 Unicode 编码，全球通用。
- GBK 是中国特定字符集，主要用于本地化需求。

4. MySQL 中的字符集

4.1 查看支持的字符集

可以通过以下命令查看 MySQL 支持的字符集：
```
SHOW CHARSET;
```

输出示例：

+---------+---------------+-------------------+--------+
| Charset | Description   | Default collation| Maxlen |
+---------+---------------+-------------------+--------+
| utf8    | UTF-8 Unicode | utf8_general_ci  |      3 |
| utf8mb4 | UTF-8 Unicode | utf8mb4_general_ci |    4 |
| latin1  | cp1252 West   | latin1_swedish_ci|      1 |

4.2 MySQL 默认字符集

MySQL 5.7 默认字符集为 latin1。
MySQL 8.0 默认字符集为 utf8mb4，全面支持 Unicode。

4.3 字符集的层次级别

MySQL 的字符集支持多个层次的配置：

服务器级：设置全局默认字符集。
数据库级：特定数据库的默认字符集。
表级：特定表的字符集。
列级：特定列的字符集。

示例：配置表和列的字符集：

CREATE TABLE test (
    id INT,
    name VARCHAR(100) CHARACTER SET utf8 COLLATE utf8_general_ci
) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci;

4.4 连接字符集

客户端与服务器的交互数据也受字符集影响，可以通过以下变量设置：
- character_set_client：客户端发送的字符集。
- character_set_connection：服务器处理的字符集。
- character_set_results：结果集字符集。
示例：设置 UTF-8 连接字符集：
```
SET NAMES 'utf8';
```

5. JDBC 对连接字符集的影响

使用 JDBC 连接 MySQL 时，字符集设置至关重要，尤其是避免中文乱码。
在连接 URL 中指定字符集，例如：

String url = "jdbc:mysql://localhost:3306/db_name?useUnicode=true&characterEncoding=utf8";

useUnicode=true：表示使用 Unicode。
characterEncoding=utf8：指定字符集为 UTF-8。

6. UTF-8 使用中的注意事项

MySQL 中的 utf8 和 utf8mb4 的区别：
- utf8：最多支持 3 字节，无法存储 Emoji 等 4 字节字符。
- utf8mb4：最多支持 4 字节，全面支持 Unicode。
建议：如果需要存储 Emoji 或特殊符号，推荐使用 utf8mb4。

面试可能的深入问题

什么是字符集的兼容性？
- 比如 UTF-8 兼容 ASCII，但与 GBK 不兼容。
为什么要选择 UTF-8？
- 全球化支持，兼容性好，变长编码节省空间。
MySQL 使用 utf8 的局限性？
- 无法存储 4 字节字符，建议升级到 utf8mb4。
如何处理字符集带来的性能影响？
- utf8mb4 比 utf8 占用更多存储空间，索引长度可能受限。