MySQL的字符集和字元編碼筆記
- 2019 年 10 月 5 日
- 筆記
比較初級，
深入的請參考盧sir的部落格：
http://cenalulu.github.io/linux/character-encoding/
http://cenalulu.github.io/mysql/mysql-mojibake/
GBK 和UTF8的實際在系統裡面的存放方式：
1、GBK：
> SELECT hex(convert('你好' using gbk));
+----------------------------------+
| hex(convert('你好' using gbk)) |
|----------------------------------|
| C4E3BAC3 |
+----------------------------------+
GBK字符集是按照4個長度來分割的，因此得出對應關係：
你 --> C4E3
好 --> BAC3
2、UTF-8：
> SELECT hex(convert('你好' using utf8));
+-----------------------------------+
| hex(convert('你好' using utf8)) |
|-----------------------------------|
| E4BDA0E5A5BD |
+-----------------------------------+
UTF8字符集是按照6個長度來分割的，因此得出對應關係：
你 --> E4BDA0
好 --> E5A5BD
這樣我們就能發現不同的地方了。假如我們用的是UTF-8存進去的"你好"（對應的底層存儲為：E4BDA0E5A5BD），但是使用GBK的方式來讀取的話，GBK會對E4BDA0E5A5BD按照每4個bit長度切分，最終切分成E4BD A0E5 A5BD 這個樣子。
（如下）
> SELECT CONVERT( unhex('E4BDA0E5A5BD') USING GBK);
+-------------------------------------------+
| CONVERT( unhex('E4BDA0E5A5BD') USING GBK) |
+-------------------------------------------+
| 浣犲ソ | ---> 採用GBK的方式讀出來就成亂碼了
+-------------------------------------------+
> SELECT hex(convert('浣' using gbk));
+-------------------------------+
| hex(convert('浣' using gbk)) |
+-------------------------------+
| E4BD |
+-------------------------------+
> SELECT hex(convert('犲' using gbk));
+-------------------------------+
| hex(convert('犲' using gbk)) |
+-------------------------------+
| A0E5 |
+-------------------------------+
> SELECT hex(convert('ソ' using gbk));
+-------------------------------+
| hex(convert('ソ' using gbk)) |
+-------------------------------+
| A5BD |
+-------------------------------+
補充，將16進位的編碼反推成UTF8編碼的漢字：
> SELECT CONVERT( unhex('E4BDA0E5A5BD') USING utf8);
+--------------------------------------------+
| CONVERT( unhex('E4BDA0E5A5BD') USING utf8) |
+--------------------------------------------+
| 你好 |
+--------------------------------------------+
> SELECT CONVERT( unhex('E4BDA0E5A5BD') USING GBK);
+-------------------------------------------+
| CONVERT( unhex('E4BDA0E5A5BD') USING GBK) |
+-------------------------------------------+
| 浣犲ソ | ---> 採用GBK的方式讀出來就成亂碼了
+-------------------------------------------+