MySQL CHAR() 函数和 UTF8 输出？

Posted 2023-02-24

【中文标题】MySQL CHAR() 函数和 UTF8 输出？

【英文标题】：MySQL CHAR() Function and UTF8 Output?

【发布时间】：2011-01-23 22:57:46

【问题描述】：

+--------------+----------------- -------------------------------------------------+
|变量名 |价值 |
+--------------------------+---------- ----------------------------------+
| character_set_client | utf8 |
|字符集连接 | utf8 |
|字符集数据库 | utf8 |
|字符集文件系统 |二进制 |
|字符集结果 | utf8 |
| character_set_server | utf8 |
|字符集系统 | utf8 |
|字符集目录 | /usr/local/mysql-5.1.41-osx10.5-x86_64/share/charsets/ |
+--------------------------+---------- ----------------------------------+
8 行一组（0.00 秒）

mysql>选择版本（）；
+-----------+
|版本（） |
+-----------+
| 5.1.41 |
+-----------+
一组中的 1 行（0.00 秒）

mysql> 选择字符（0x00FC）；
+---------------+
|字符（0x00FC） |
+---------------+
| ? |
+---------------+
一组中的 1 行（0.00 秒）

期待实际的 utf8 字符 --> “ü” 而不是 “?” 也尝试了 char(0x00FC using utf8)，但没有成功。

使用 mysql 版本 5.1.41

翻遍了谷歌，在这方面找不到任何东西。 MySQL 文档只是说，在 mysql 版本 5.0.14 之后，大于 255 的值需要多字节输出。

谢谢

【问题讨论】：

你的 shell 使用的是什么字符集？

【参考方案1】：

您将 UTF-8 与 Unicode 混淆了。

0x00FC 是 ü:

的

Unicode

代码点

mysql> select char(0x00FC using ucs2);
+----------------------+
| char(0x00FC using ucs2) |
+----------------------+
| ü                   | 
+----------------------+

在UTF-8编码中，0x00FC is represented by two bytes:

mysql> select char(0xC3BC using utf8);
+-------------------------+
| char(0xC3BC using utf8) |
+-------------------------+
| ü                      | 
+-------------------------+

UTF-8 只是一种以二进制形式编码 Unicode 字符的方式。它旨在节省空间，这就是为什么 ASCII 字符只占用一个字节，而 iso-8859-1 字符（例如 ü）只占用两个字节的原因。其他一些字符占用三个或四个字节，但它们不太常见。

【讨论】：

非常感谢！！！！过去两个小时我一直在寻找“使用”子句，不知道它叫什么！谢谢！

嗨 Martin & @Cyber​​dancer91：澄清一下，UTF-8 不是是为了节省空间（一个很常见的误解）。它旨在与 ASCII 兼容，这是一种系统支持 Unicode 而不会破坏任何现有文本/配置文件的方式，这需要大量的测试/修复时间。节省 1 个字节的前 128 个字符只是一个副作用； 65k BMP 字符中的 63k 占用 1 个额外字节。请参阅我的帖子中的两个脚注（和其他相关信息）：sqlquantumleap.com/2018/09/28/…，以及下面的答案。

【参考方案2】：

添加到Martin's answer:

您可以使用“介绍人”代替CHAR() 函数。为此，您需要在代码点之前指定编码，以下划线前缀：

_utf16 0xFC

或：

_utf16 0x00FC

如果目标是指定代码点而不是编码字节序列，那么您需要使用代码点值恰好是编码字节序列的编码。例如，如 Martin 的回答所示，0x00FC 既是 ü 的代码点值，又是 ucs2 / utf16 的编码字节序列（它们实际上是相同的 BMP 字符编码，但我更喜欢使用“utf16”，因为它与“utf8”和“utf32”一致，在“utf”主题中一致）。

但是，就指定代码点值而言，utf16 仅适用于 BMP 字符（代码点 U+0000 - U+FFFF）。如果你想要一个补充字符，那么你需要使用utf32 编码。 _utf32 0xFC 不仅返回 ü，而且：

_utf32 0x1F47E

返回：?

有关这些选项的更多详细信息，以及其他语言和平台的 Unicode 转义序列，请参阅我的帖子：

Unicode Escape Sequences Across Various Languages and Platforms (including Supplementary Characters)