什么是字符集_mysql字符编码概念

字符集是字符与编码规则的统一定义，规定字符的二进制表示方式；mysql中utf8mb4为推荐默认字符集，支持1–4字节，兼容中文、emoji及所有语言，需配合校对规则实现存储与比较功能。

字符集（Character Set）在 MySQL 中，指的是“字符 + 编码规则”的统一定义。它规定了哪些字符可以被使用，以及每个字符对应怎样的二进制表示方式——也就是怎么把一个汉字、英文字母、数字或 emoji（比如 ?）存成字节数据。

字符集本质是映射关系

计算机只认 0 和 1，所有文字必须转成字节才能存储。字符集就是这张“翻译表”：

• “中” 在 GBK 中是 0xD6D0（2 字节）
• “中” 在 UTF8MB4 中是 0xE4B8AD（3 字节）
• “?” 在 UTF8MB4 中是 4 字节（0xF09F9880），而老式 utf8（即 utf8mb3）根本存不了

MySQL 常见字符集对比

不同字符集覆盖范围和编码长度不同，直接影响中文、emoji、多语言支持能力：

• latin1：单字节，仅支持西欧字符，不支持中文
• gbk / gb2312：中文友好，但仅限简体中文和部分符号，不支持 emoji 和繁体/日韩文
• utf8mb3（MySQL 中叫 utf8）：最多 3 字节，能存大部分 Unicode 字符，但 跳过四字节字符（如 emoji、部分生僻汉字）
• utf8mb4：完整 UTF-8 实现，1–4 字节，推荐作为默认字符集，兼容中文、emoji、所有语言

字符集不是孤立存在的

它总是和 校对规则（Collation） 配套使用：

• 字符集管“怎么存”（编码）
• 校对规则管“怎么比”（排序、大小写是否敏感、中文按拼音还是 Unicode 码点排）
• 例如：utf8mb4_unicode_ci 表示用 utf8mb4 编码，按 Unicode 标准比较且不区分大小写

设置层级影响实际行为

MySQL 支持多级字符集设定，低层级会继承高层级默认值，但可被覆盖：

• 服务器级（character_set_server）→ 新建库默认用它
• 数据库级（CREATE database ... CHARACTER SET utf8mb4）→ 影响该库下所有新表
• 表级、列级可进一步细化，比如某字段专门存大小写敏感密码，用 utf8mb4_bin