深刻Mysql字符集設置

轉自： http://www.laruence.com/2008/01/05/12.html

略有修改

基本概念
• 字符(Character)是指人類語言中最小的表義符號。例如'A'、'B'等；
• 給定一系列字符，對每一個字符賦予一個數值，用數值來表明對應的字符，這一數值就是字符的編碼(Encoding)。例如，咱們給字符'A'賦予數值0，給字符'B'賦予數值1，則0就是字符'A'的編碼；
• 給定一系列字符並賦予對應的編碼後，全部這些字符和編碼對組成的集合就是字符集(Character Set)。例如，給定字符列表爲{'A','B'}時，{'A'=>0, 'B'=>1}就是一個字符集；
• 字符序(Collation)是指在同一字符集內字符之間的比較規則；
• 肯定字符序後，才能在一個字符集上定義什麼是等價的字符，以及字符之間的大小關係；
• 每一個字符序惟一對應一種字符集，但一個字符集能夠對應多種字符序，其中有一個是默認字符序(Default Collation)；
• MySQL中的字符序名稱聽從這樣的命名慣例：以字符序對應的字符集名稱開頭；以_ci(表示大小寫不敏感)、_cs(表示大小寫敏感)或_bin(表示按編碼值比較)結尾。例如：在字符序``utf8_general_ci''下，字符``a''和``A''是等價的；
MySQL字符集設置
• 系統變量：
- character_set_server：默認的內部操做字符集
- character_set_client：客戶端來源數據使用的字符集
- character_set_connection：鏈接層字符集
- character_set_results：查詢結果字符集
- character_set_database：當前選中數據庫的默認字符集
- character_set_system：系統元數據(字段名等)字符集
- 還有以collation_開頭的同上面對應的變量，用來描述字符序。
• 用introducer指定文本字符串的字符集：
- 格式爲：[_charset] 'string' [COLLATE collation]
- 例如：
• SELECT _latin1 'string';
• SELECT _utf8 '你好' COLLATE utf8_general_ci;
- 由introducer修飾的文本字符串在請求過程當中不通過多餘的轉碼，直接轉換爲內部字符集處理。

MySQL中的字符集轉換過程
1. MySQL Server收到請求時將請求數據從character_set_client轉換爲character_set_connection；
2. 進行內部操做前將請求數據從character_set_connection轉換爲內部操做字符集，其肯定方法以下：
• 使用每一個數據字段的CHARACTER SET設定值；
• 若上述值不存在，則使用對應數據表的DEFAULT CHARACTER SET設定值(MySQL擴展，非SQL標準)；
• 若上述值不存在，則使用對應數據庫的DEFAULT CHARACTER SET設定值；
• 若上述值不存在，則使用character_set_server設定值。
3. 將操做結果從內部操做字符集轉換爲character_set_results。

常見問題解析
• 向默認字符集爲utf8的數據表插入utf8編碼的數據前沒有設置鏈接字符集，查詢時設置鏈接字符集爲utf8

? 插入時根據MySQL服務器的默認設置，character_set_client、character_set_connection和character_set_results均爲latin1；

? 插入操做的數據將通過latin1=>latin1=>utf8的字符集轉換過程，這一過程當中每一個插入的漢字都會從原始的3個字節變成6個字節保存；

? 查詢時的結果將通過utf8=>utf8的字符集轉換過程，將保存的6個字節原封不動返回，產生亂碼……

• 向默認字符集爲latin1的數據表插入utf8編碼的數據前設置了鏈接字符集爲utf8

? 插入時根據鏈接字符集設置，character_set_client、character_set_connection和character_set_results均爲utf8；

? 插入數據將通過utf8=>utf8=>latin1的字符集轉換，若原始數據中含有/u0000~/u00ff範圍之外的Unicode字符，會由於沒法在latin1字符集中表示而被轉換爲「?」(0x3F)符號，之後查詢時無論鏈接字符集設置如何都沒法恢復其內容了。

檢測字符集問題的一些手段
• SHOW CHARACTER SET;

• SHOW COLLATION;

• SHOW VARIABLES LIKE 'character%';

• SHOW VARIABLES LIKE 'collation%';

• SQL函數HEX、LENGTH、CHAR_LENGTH

• SQL函數CHARSET、COLLATION

使用MySQL字符集時的建議
• 創建數據庫/表和進行數據庫操做時儘可能顯式指出使用的字符集，而不是依賴於MySQL的默認設置，不然MySQL升級時可能帶來很大困擾；

• 數據庫和鏈接字符集都使用latin1時雖然大部分狀況下均可以解決亂碼問題，但缺點是沒法以字符爲單位來進行SQL操做，通常狀況下將數據庫和鏈接字符集都置爲utf8是較好的選擇；

• 使用mysql C API時，初始化數據庫句柄後立刻用mysql_options設定MYSQL_SET_CHARSET_NAME屬性爲utf8，這樣就不用顯式地用SET NAMES語句指定鏈接字符集，且用mysql_ping重連斷開的長鏈接時也會把鏈接字符集重置爲utf8；

• 對於mysql PHP API，通常頁面級的PHP程序總運行時間較短，在鏈接到數據庫之後顯式用SET NAMES語句設置一次鏈接字符集便可；但當使用長鏈接時，請注意保持鏈接通暢並在斷開重連後用SET NAMES語句顯式重置鏈接字符集。

其餘注意事項
• my.cnf中的default_character_set設置隻影響mysql命令鏈接服務器時的鏈接字符集，不會對使用libmysqlclient庫的應用程序產生任何做用！

• 對字段進行的SQL函數操做一般都是之內部操做字符集進行的，不受鏈接字符集設置的影響。

• SQL語句中的裸字符串會受到鏈接字符集或introducer設置的影響，對於比較之類的操做可能產生徹底不一樣的結果，須要當心！/P>

在mysql客戶端與mysql服務端之間，存在着一個字符集轉換器。

character_set_client =>gbk：轉換器就知道客戶端發送過來的是gbk格式的編碼

character_set_connection=>gbk：將客戶端傳送過來的數據轉換成gbk格式

character_set_results =>gbk:

注：以上三個字符集可使用set names gbk來統一進行設置

例子:

create table test(

name varchar(64) NOT NULL

)charset utf8;#這裏的utf8表示服務器端的字符編碼

首先，往數據表test中插入一條數據

inert into test values('測試');

則，數據「測試」在數據庫中是以「utf8」格式保存的

過程：

首先，經過mysql客戶端，將數據發送給Mysql服務器，通過字符集轉換器的時候，因爲character_set_connection 值爲gbk，因此會將客戶端發送過來的數據轉爲gbk格式，緊接着，字符集轉換器將數據要傳送給服務器的時候，發現服務器是以utf8保存數據的，因此，在其內部會自動將數據由gbk轉換成utf8格式

何時會出現亂碼？

客戶端的數據格式與聲明的 character_set_client不符

經過 header('Content-type:text/html;charset=utf8');將客戶端的數據轉成utf8格式的，在數據通過「字符集轉換器」的時候，因爲character_set_client=gbk，而character_set_connection也等於gbk，因此從客戶端傳送過來的數據（實際上是utf8格式）並不會被轉換格式。

可是，字符集轉換器在講數據發送給服務器的時候，發現服務器要的格式是utf8，因此會將當前數 據當作gbk格式來處理，從而轉成utf8（可是，這一步其實已經錯了。。。）。

2. result與客戶端頁面不符合的時候

將返回結果的格式設置爲utf8，可是客戶端接受的格式爲gbk，所以會出現亂碼

---

經過show character set 語法，能夠顯示全部可用的字符集

 

latin字符集

 

注意：Maxlen列顯示用於存儲一個字符的最大的字節數目。

utf8字符集

 

gbk字符集

 

何時會丟失數據？

對比以上三幅圖能夠知道，每種字符集中，用於存儲一個字符的最大的字節數目都不一樣，utf8最大，latin最小。因此在通過字符集轉換器的時候，若是處理不當，會形成數據丟失，並且是沒法挽回的。

好比：

將character_set_connection的值改成lantin的時候

 

從客戶端發送過來的gbk數據，會被轉成lantin1格式，由於gbk格式的數據佔用的字符數較多，從而會形成數據丟失

 

總結：

character_set_client和character_set_results 通常狀況下要一致，由於一個表示客戶端發送的數據格式，另外一個表示客戶端接受的數據格式爲了不形成數據丟失，需讓 character_set_connection的字符編碼 大於 character_set_client的字符編碼