MySQL 字符串指南

Question

了解 MySQL 如何存储和显示你的字符串变量，以便你能更好地控制你的数据。

字符串是你在 MySQL 中使用的最常见的数据类型之一。许多用户在他们的数据库中插入和读取字符串，而没有认真地了解过它们。本文旨在让你深入了解 MySQL 如何存储和显示你的字符串变量，以便你能更好地控制你的数据。

你可以把字符串分成两类：二进制和非二进制。你可能在大多数时候想到的是非二进制字符串。非二进制字符串有字符集和排序的不同。另一方面，二进制字符串存储诸如 MP3 文件或图像等东西。即使你在二进制字符串中存储了一个词，比如“歌曲”，它的存储方式也与非二进制字符串不同。

我将重点讨论非二进制字符串。MySQL 中的所有非二进制字符串都与字符集和排序相关。字符串的字符集控制哪些字符可以存储在字符串中，而它的排序方式控制当你显示字符串时如何排序。

字符集

要查看你系统中的字符集，请运行以下命令：

SHOW CHARACTER SET;

这个命令将输出四列数据，包括字符集：

• 名称
• 简要描述
• 默认的排序方式
• 字符集中每个字符的最大尺寸

MySQL 过去默认为 latin1 字符集，但自 8.0 版以来，默认为 utf8mb4 。现在的默认排序方式是 utf8mb4_0900_ai_ci 。 ai 表示该排序对音调不敏感（ á = a ），而 ci 则指定它对大小写不敏感（ a = A ）。

不同的字符集将其字符存储在内存中不同大小的块中。例如，从上面的命令可以看出，存储在 utf8mb4 的字符被存储在 1 到 4 个字节大小的内存中。如果你想看看一个字符串是否包含多字节的字符，你可以使用 CHAR_LENGTH() 和 LENGTH() 函数。 CHAR_LENGTH() 显示一个字符串包含多少个字符，而 LENGTH() 显示一个字符串有多少个字节，根据字符集的不同，它可能与一个字符串的字符长度相同，也可能不相同。下面是一个例子：

SET @a = CONVERT('data' USING latin1);

SELECT LENGTH(@a), CHAR_LENGTH(@a);

+------------+-----------------+
| LENGTH(@a) | CHAR_LENGTH(@a) |
+------------+-----------------+
|     4      |       4         |
+------------+-----------------+

这个例子表明， latin1 字符集以单字节为单位存储字符。其他字符集，如 utf16 ，允许多字节的字符：

SET @b = CONVERT('data' USING utf16);

SELECT LENGTH(@b), CHAR_LENGTH(@b);

+------------+------------------+
| LENGTH(@b) | CHAR_LENGTH(@b)  |
+------------+------------------+
|       8    |        4         |
+------------+------------------+

排序

当你运行带有 ORDER BY 子句的 SQL 语句时，字符串排序方式将决定值的显示方式。你对排序方式的选择是由你选择的字符集决定的。当你运行上面的 SHOW CHARACTER SET 命令时，你看到了每个字符集的默认排序方式。你可以很容易地看到某个特定字符集的所有排序方式。例如，如果你想查看 utf8mb4 字符集允许哪些排序，请运行：

SHOW COLLATION LIKE 'utf8mb4%';

排序方式可以是不区分大小写的，也可以是区分大小写的，或者是二进制的。让我们建立一个简单的表，向其中插入一些值，然后用不同的排序方式查看数据，看看输出结果有什么不同：

CREATE TABLE sample (s CHAR(5));

INSERT INTO sample (s) VALUES 
 ('AAAAA'), ('ccccc'),  ('bbbbb'), ('BBBBB'), ('aaaaa'), ('CCCCC');

SELECT * FROM sample;

+-----------+
| s         |
+-----------+
| AAAAA     |
| ccccc     |
| bbbbb     |
| BBBBB     |
| aaaaa     |
| CCCCC     |
+-----------+

在不区分大小写的情况下，你的数据会按字母顺序返回，但不能保证大写的单词会排在小写的单词之前，如下图所示：

SELECT * FROM sample ORDER BY s COLLATE utf8mb4_turkish_ci;

+-----------+
| s         |
+-----------+
| AAAAA     |
| aaaaa     |
| bbbbb     |
| BBBBB     |
| ccccc     |
| CCCCC     |
+-----------+

另一方面，当 MySQL 运行大小写敏感的搜索时，每个字母的小写将排在大写之前：

SELECT * FROM sample ORDER BY s COLLATE utf8mb4_0900_as_cs;

+-----------+
| s         |
+-----------+
| aaaaa     |
| AAAAA     |
| bbbbb     |
| BBBBB     |
| ccccc     |
| CCCCC     |
+-----------+

而按二进制排序方式将返回所有大写的值，然后再返回小写的值：

SELECT * FROM sample ORDER BY s COLLATE utf8mb4_0900_bin;

+-----------+
| s         |
+-----------+
| AAAAA     |
| ccccc     |
| bbbbb     |
| BBBBB     |
| aaaaa     |
| CCCCC     |
+-----------+

如果你想知道一个字符串使用哪种字符集和排序，你可以使用被恰当命名的 charset 和 collation 函数。运行 MySQL 8.0 或更高版本的服务器将默认使用 utf8mb4 字符集和 utf8mb4_0900_ai_ci 排序：

SELECT charset('data');

+-------------------+
| charset('data')   |
+-------------------+
| utf8mb4           |
+-------------------+

SELECT collation('data');

+--------------------+
| collation('data')  |
+--------------------+
| utf8mb4_0900_ai_ci |
+--------------------+

你可以使用 SET NAMES 命令来改变所使用的字符集或排序方式。

要从 utf8mb4 字符集改为 utf16 ，运行这个命令：

SET NAMES 'utf16';

如果你想选择默认以外的排序方式，你可以在 SET NAMES 命令中添加一个 COLLATE 子句。

例如，假设你的数据库存储西班牙语的单词。MySQL 的默认排序（ utf8mb4_0900_ai_ci ）将 ch 和 ll 视为两个不同的字符，并将它们排序。但在西班牙语中， ch 和 ll 是单独的字母，所以如果你想让它们按正确的顺序排序（分别排在 c 和 l 之后），你需要使用不同的排序。一个选择是使用 utf8mb4_spanish2_ci 排序方式：

SET NAMES 'utf8mb4' COLLATE 'utf8mb4_spanish2_ci';

储存字符串

MySQL 允许你为你的字符串值选择不同的数据类型。（甚至比其他流行的数据库，如 PostgreSQL 和 MongoDB 更多。）

下面是 MySQL 的二进制字符串数据类型的列表、它们的非二进制对应物，以及它们的最大长度：

• binary ： char （255）
• varbinary ： varchar （65,535）
• tinyblob ： tinytext （255）
• blob ： text （65,535）
• mediumblob ： mediumtext （16,777,215）
• longblob ： longtext （4,294,967,295）

要记住的一件重要事情是，与被存储在可变长度的字段中的 varbinary 、 varchar 、 text 和 blob 类型不同（也就是说，只使用需要的空间），MySQL 将二进制（ binary ）和字符（ char ）类型存储在固定长度的字段。因此，像 char(20) 或 binary(20) 这样的值将总是占用 20 个字节，即使你在其中存储了少于 20 个字符。对于二进制类型，MySQL 用 ASCII NUL 值（ 0x00 ）填充这些值，对于 字符类型，用空格填充。

在选择数据类型时要考虑的另一件事是，你是否希望在字符串后面的空格被保留或剥离。在显示数据时，MySQL 会从以字符数据类型存储的数据中剥离空格，但不会剥离 varchar 的空格。

CREATE TABLE sample2 (s1 CHAR(10), s2 VARCHAR(10));

INSERT INTO sample2 (s1, s2) VALUES ('cat       ', 'cat       ');

SELECT s1, s2, CHAR_LENGTH(s1), CHAR_LENGTH(s2) FROM sample2;

+---------+---------+-----------------------------------+
| s1      | s2      | CHAR_LENGTH(s1) | CHAR_LENGTH(s2) |
+---------+---------+-----------------------------------+
| cat     | cat     |        3        |       10        |
+---------+---------+-----------------------------------+

总结

字符串是数据库中最常用的数据类型之一，而 MySQL 仍然是当今最流行的数据库系统之一。我希望你能从这篇文章中学到一些新的东西，并能用你的新知识来提高你的数据库技能。