mysql的charset和collation

这两天在MySQL的字符集碰到了点麻烦，花了点时间了解了一下。

charset

characterset 指字符集，一个字符集定义了可以表示的所有字符，比如ascii，unicode等，它并没有指定具体的实现。以unicode为例，它有utf8,utf16等具体实现方式，最为广泛使用的就是utf8格式，它是一种变长编码的方式，可以用两个或者四个字节表示一个unicode字符，具体实现可以在网上找到很多资料，这里就不说了。
由于历史原因，mysql的utf8编码并不是标准的utf8，它只用3个字节表示一个Unicode字符，这不能表示😀😉🚗这样的emoj字符，之后又添加了一个utf8mb4作为标准的utf8。

collation

为每个字符定义了格式，这就够了吗？当然不够，我们不但需要给每个字符分配编码，让它们能存储、能传输，还需要定义一套关系来组织它们，找到它们之间的联系。这套关系的定义，就是collation。
collation定义了哪个字符和哪个字符是等价的，比如指定“大小写不敏感”，那么a和A就是等价的，这样查找时就会方便很多。世界上还有许多文字，有的有不同的音调，指定不区分音调时，e、ē、é、ě、è就是等价的，我们去查找e，也会找到ē、é、ě、è。
以utf8mb4_0900_ai_ci为例，utf8mb4指字符集编码格式，0900指的是Unicode的9.0版本，ai指accent insensitivity，即“不区分音调”，而ci表示case insensitivity，也就是“不区分大小写”。utf8mb4_unicode_ci类似。
在MySQL8之后，默认的character和collation是utf8mb4和utf8mb4_0900_ai_ci。

更改characterset 和 collation

一般来说我们在创建数据库时就应该指定它的characterset和collation

CREATE DATABASE db_name  CHARACTER SET utf8mb4  COLLATE utf8mb4_unicode_ci 

如果创建时用了其他的字符集，更改需要同时修改字段，表

ALTER TABLE db_table CONVERT TO CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;
ALTER TABLE db_table CHANGE `name` `name` varchar(400) CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci NOT NULL;