SQL深入学习：汉字编码与所占字节的关系

1、汉字编码

通常情况下，我们都是采用 UTF-8 的编码形式，例如创建表的时候往往是这样拼写SQL语句：

drop table if exists Test;

CREATE TABLE Test 
(
    id tinyint(3) unsigned NOT NULL AUTO_INCREMENT,
    username char(2) NOT NULL,
    PRIMARY KEY (id)
)ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_bin COMMENT='测试表';

在不同编码情况下，汉字和英文字母各占多少字节呢？可以看下面所列：

英文字母：

字节数: 1 编码：GB2312

字节数: 1 编码：GBK

字节数: 1 编码：GB18030

字节数: 1 编码：ISO-8859-1

字节数: 1 编码：UTF-8

字节数: 4 编码：UTF-16

字节数: 2 编码：UTF-16BE

字节数: 2 编码：UTF-16LE

中文汉字：

字节数: 2 编码：GB2312

字节数: 2 编码：GBK

字节数: 2 编码：GB18030

字节数: 1 编码：ISO-8859-1

字节数: 3 编码：UTF-8

字节数: 4 编码：UTF-16

字节数: 2 编码：UTF-16BE

字节数: 2 编码：UTF-16LE

2、列的存储限制

username char(2) NOT NULL，表示username存储2个字符，而不是两个字节。

INSERT INTO Test(username) VALUES('张三');

INSERT INTO Test(username) VALUES('张三李四');
> 1406 - Data too long for column 'username' at row 1

3、列的排序方式

主要有三种排序方式：utf8_bin、utf8_genera_ci、utf8_general_cs

（1）utf8_bin：将字符串中的每一个字符用二进制数据存储，区分大小写。

（2）utf8_genera_ci不区分大小写，ci是case insensitive的缩写，即一般大小写不敏感。作为密码时就会出现不合理的方面，而验证码则一般不区分大小写，所以用这个就合理。

（3）utf8_general_cs区分大小写，cs是case sensitive的缩写，即大小写敏感。utf8_general_cs这个选项一般不用，所以通常使用utf8_bin区分大小写。