亚洲字符集

我们支持的亚洲字符集包括中文，日文，韩文和泰文。这些可能很复杂。例如，中文集必须允许成千上万个不同的字符。有关和字符集的更多信息，请参见“ cp932字符集”。有关支持中国国家标准GB 18030的字符集的更多信息，请参见“ gb18030字符集”。cp932sjis

有关与MySQL支持亚洲字符集有关的一些常见问题的解答，请参见第A.11节“ MySQL 8.0 FAQ：MySQL中文，日文和韩文字符集”。

• big5（Big5繁体中文）归类：

  • big5_bin
  • big5_chinese_ci（默认）

• cp932（Windows日语的SJIS）校验规则：

  • cp932_bin
  • cp932_japanese_ci（默认）

• eucjpms（用于Windows日语的UJIS）校验规则：

  • eucjpms_bin
  • eucjpms_japanese_ci（默认）

• euckr（EUC-KR韩文）归类：

  • euckr_bin
  • euckr_korean_ci（默认）

• gb2312（GB2312简体中文）归类：

  • gb2312_bin
  • gb2312_chinese_ci（默认）

• gbk（GBK简体中文）归类：

  • gbk_bin
  • gbk_chinese_ci（默认）

• gb18030（中国国家标准GB18030）归类：

  • gb18030_bin
  • gb18030_chinese_ci（默认）
  • gb18030_unicode_520_ci

• sjis（Shift-JIS日语）校验规则：

  • sjis_bin
  • sjis_japanese_ci（默认）

• tis620（TIS620 Thai）归类：

  • tis620_bin
  • tis620_thai_ci（默认）

• ujis（EUC-JP日语）校验规则：

  • ujis_bin
  • ujis_japanese_ci（默认）

在big5_chinese_ci校验校验笔划数。

cp932字符集

为什么cp932需要？

在MySQL中，sjis字符集对应于Shift_JISIANA定义的字符集，该字符集支持JIS X0201和JIS X0208字符。（请参阅 http://www.iana.org/assignments/character-sets。）

但是，“ SHIFT JIS ”作为描述性术语的含义已经变得很模糊，并且通常包括Shift_JIS各种供应商定义的扩展名。

例如，在日语Windows环境中使用的“ SHIFT JIS ”是Microsoft的扩展名，Shift_JIS其确切名称是Microsoft Windows Codepage : 932或cp932。除所支持的字符外Shift_JIS，还cp932支持扩展字符，例如NEC特殊字符，所选NEC（IBM扩展字符）和IBM所选字符。

许多日语用户在使用这些扩展字符时遇到了问题。这些问题源于以下因素：

• MySQL自动转换字符集。
• 使用Unicode（ucs2）转换字符集。
• 该sjis字符集不支持这些扩展字符转换。
• 从所谓的“ SHIFT JIS ”到Unicode 有多种转换规则，并且某些字符会根据转换规则而不同地转换为Unicode。MySQL仅支持这些规则之一（稍后描述）。

MySQL cp932字符集旨在解决这些问题。

因为MySQL支持字符集转换，分离IANA是很重要的Shift_JIS，并cp932为两个不同的字符集，因为它们提供不同的转换规则。

如何cp932从不同sjis？

该cp932字符集不同于sjis在以下几个方面：

• cp932支持NEC特殊字符，选定的NEC（IBM扩展字符）和IBM选定的字符。

• 某些cp932字符具有两个不同的代码点，它们都转换为相同的Unicode代码点。从Unicode转换回时cp932，必须选择其中一个代码点。对于此“往返转换”，使用Microsoft建议的规则。（请参阅 http://support.microsoft.com/kb/170559/EN-US/。）

  转换规则如下所示：

  • 如果字符同时是JIS X 0208和NEC特殊字符，请使用JIS X 0208的代码点。
  • 如果该字符同时是NEC特殊字符和IBM选择的字符，请使用NEC特殊字符的代码点。
  • 如果该字符同时处于IBM选择的字符和NEC选择的IBM扩展字符中，请使用IBM扩展字符的代码点。

  https://msdn.microsoft.com/zh-cn/goglobal/cc305152.aspx 上显示的表提供了有关字符Unicode值的信息cp932。对于cp932带有四位数数字的字符的表条目，该数字表示相应的Unicode（ucs2）编码。对于出现带有下划线两位数值的表条目，存在cp932以这两位数字开头的一系列字符值。单击此类表条目将带您到一个页面，该页面显示cp932以这些数字开头的每个字符的Unicode值。

  以下链接特别有趣。它们对应于以下字符集的编码：

  • NEC特殊字符（前导字节0x87）：

    https://msdn.microsoft.com/en-us/goglobal/gg674964
    

  • 已选择NEC-IBM扩展字符（前导字节0xED和0xEE）：

    https://msdn.microsoft.com/en-us/goglobal/gg671837
    https://msdn.microsoft.com/en-us/goglobal/gg671838
    

  • IBM选择的字符（前导字节0xFA，0xFB，0xFC）：

    https://msdn.microsoft.com/en-us/goglobal/gg671839
    https://msdn.microsoft.com/en-us/goglobal/gg671840
    https://msdn.microsoft.com/en-us/goglobal/gg671841
    

• cp932支持与结合使用的用户定义字符转换eucjpms，并解决了sjis/ujis转换问题。有关详细信息，请参阅 http://www.sljfaq.org/afaq/encodings.html。

对于某些字符，转换和从ucs2对于不同的sjis和cp932。下表说明了这些差异。

转换为ucs2：

从转换ucs2：

使用任何日语字符集的用户都应注意，使用--character-set-client-handshake（或--skip-character-set-client-handshake）具有重要的作用。请参见“服务器命令选项”。

gb18030字符集

在MySQL中，gb18030字符集对应于“中国国家标准GB 18030-2005：信息技术-中文编码字符集”，它是中华人民共和国（PRC）的官方字符集。

MySQL gb18030字符集的特征

• 支持GB 18030-2005标准定义的所有代码点。（GB + 8431A439，GB + 90308130）和（GB + E3329A36，GB + EF39EF39）范围内未分配的代码点被视为'?'（0x3F）。未分配代码点的转换返回“?”。
• 支持所有GB18030代码点的上，下转换。还支持Unicode定义的大小写折叠（基于CaseFolding-6.3.0.txt）。
• 支持与其他字符集之间的数据转换。
• 支持SQL语句，例如SET NAMES。
• 支持gb18030字符串之间gb18030以及字符串和其他字符集的字符串之间的比较。如果字符串具有不同的字符集，则会进行转换。还支持包含或忽略尾随空格的比较。
• Unicode中的专用区域（U + E000，U + F8FF）映射到gb18030。
• （U + D800，U + DFFF）与GB18030之间没有映射。尝试转换此范围内的代码点将返回“?”。
• 如果输入序列不合法，则会返回错误或警告。如果在中使用了非法序列CONVERT()，则会返回错误。否则，将返回警告。
• 为了与utf8和保持一致，utf8mb4连字不支持UPPER。
• 使用gb18030_unicode_520_ci校验规则时，对连字的搜索还匹配大写连字。
• 如果一个字符有多个大写字符，则所选的大写字符为小写字符本身。
• 多字节的最小长度为1，最大为4。字符集使用前1个或2个字节来确定序列的长度。

支持的归类

• gb18030_bin：二进制校验规则。
• gb18030_chinese_ci：默认校验规则，支持拼音。非中文字符的校验基于原始校验键的顺序。原始校验键GB(UPPER(ch))是否UPPER(ch)存在。否则，原始校验键为GB(ch)。汉字根据Unicode通用语言环境数据存储库（CLDR 24）中定义的拼音校验规则进行校验。非中文字符在中文字符之前校验，但除外GB +FE39FE39，后者是最大的代码点。
• gb18030_unicode_520_ci：Unicode归类。如果需要确保连字正确校验，请使用此校验规则。