關於JAVA字符編碼：Unicode,ISO-8859-1,GBK,UTF-8編碼及相互轉換

時間 2019-11-20

標籤關於 java 字符編碼 unicode iso gbk utf 相互轉換欄目 Java 简体版

原文原文鏈接

咱們最初學習計算機的時候，都學過ASCII編碼。html

可是爲了表示各類各樣的語言，在計算機技術的發展過程當中，逐漸出現了不少不一樣標準的編碼格式，java

重要的有Unicode、UTF、ISO-8859-1和中國人常用的GB23十二、BIG五、GBK等。mysql

1.編碼基礎知識

最先的編碼是iso8859-1，和ascii編碼類似。但爲了方便表示各類各樣的語言，逐漸出現了不少標準編碼，重要的有以下幾個。linux

1.1. ISO-8859-1 一般叫作Latin-1

屬於單字節編碼，最多能表示的字符範圍是0-255，應用於英文系列。好比，字母a的編碼爲0x61=97。 web

很明顯，iso8859-1編碼表示的字符範圍很窄，沒法表示中文字符。可是，因爲是單字節編碼，和計算機最基礎的表示單位一致，因此不少時候，仍舊使用iso8859-1編碼來表示。sql

　　並且在不少協議上，默認使用該編碼。好比，雖然"中文"兩個字不存在iso8859-1編碼，數據庫

　　以gb2312編碼爲例，應該是"d6d0 cec4"兩個字符（java字符佔2個字節），apache

　　使用iso8859-1編碼的時候則將它拆開爲4個字節來表示："d6 d0 ce c4"（事實上，在進行存儲的時候，也是以字節爲單位處理的）。windows

　　而若是是UTF編碼，則是6個字節"e4 b8 ad e6 96 87"。數組

　　很明顯，這種表示方法還須要以另外一種編碼爲基礎。

1.2. GB2312/GBK

這就是漢字的國標碼，專門用來表示漢字，是雙字節編碼，而英文字母和iso8859-1一致（兼容iso8859-1編碼）。

　　其中gbk編碼可以用來同時表示繁體字和簡體字，

　　而gb2312只能表示簡體字，gbk是兼容gb2312編碼的。

1.3 unicode

這是最統一的編碼，能夠用來表示全部語言的字符，並且是定長雙字節（也有四字節的）編碼，包括英文字母在內。因此能夠說它是不兼容iso8859-1編碼的，也不兼容任何編碼。不過，相對於iso8859-1編碼來講，uniocode編碼只是在前面增長了一個0字節，好比字母a爲"00 61"。

須要說明的是，定長編碼便於計算機處理（注意GB2312/GBK不是定長編碼），而unicode又能夠用來表示全部字符，因此在不少軟件內部是使用unicode編碼來處理的，好比java。

1.4 UTF

考慮到unicode編碼不兼容iso8859-1編碼，並且容易佔用更多的空間：由於對於英文字母，unicode也須要兩個字節來表示。因此unicode不便於傳輸和存儲。所以而產生了utf編碼，utf編碼兼容iso8859-1編碼，同時也能夠用來表示全部語言的字符，不過，utf編碼是不定長編碼，每個字符的長度從1-6個字節不等。另外，utf編碼自帶簡單的校驗功能。通常來說，英文字母都是用一個字節表示，而漢字使用三個字節。

注意，雖說utf是爲了使用更少的空間而使用的，但那只是相對於unicode編碼來講，若是已經知道是漢字，則使用GB2312/GBK無疑是最節省的。不過另外一方面，值得說明的是，雖然utf編碼對漢字使用3個字節，但即便對於漢字網頁，utf編碼也會比unicode編碼節省，由於網頁中包含了不少的英文字符。

2.Unicode、UTF-8 和 ISO8859-1區別與聯繫

將以"中文"兩個字爲例，經查表能夠知道其

　　GB2312編碼是"d6d0 cec4"，

　　Unicode編碼爲"4e2d 6587"，

　　UTF編碼就是"e4b8ad e69687"。

　　注意，這兩個字沒有iso8859-1編碼，但能夠用iso8859-1編碼來表示。

2.1 Unicode與各編碼之間的直接轉換

　　下面以對中文字符串＂ａ中文＂的編碼轉換爲例，來了解各類編碼之間的轉換

　　１）Unicode和GBK

　　測試結果以下，每一個漢字轉換爲兩個字節，且是可逆的，即經過字節能夠轉換回字符串

String－GBK〉ByteArray：/u0061/u4E2D/u6587（a中文）－〉0x61 0xD6 0xD0 0xCE 0xC4  
ByteArray－GBK〉String：0x61 0xD6 0xD0 0xCE 0xC4－〉/u0061/u4E2D/u6587（a中文）

　　２）Unicode和UTF-8
　　測試結果以下，每一個漢字轉換爲三個字節，且是可逆的，即經過字節能夠轉換回字符串

String－UTF-8〉ByteArray：/u0061/u4E2D/u6587（a中文）－〉0x61 0xE4 0xB8 0xAD 0xE6%0x96 0x87  
ByteArray－UTF-8〉String：0x61 0xE4 0xB8 0xAD 0xE6%0x96 0x87－〉/u0061/u4E2D/u6587（a中文）

　　３）Unicode和ISO-8859-1
　　測試結果以下，當存在漢字時轉換失敗，非可逆，即經過字節不能再轉換回字符串

String－ISO-8859-1〉ByteArray：/u0061/u4E2D/u6587（a中文）－〉0x61 0x3F 0x3F  
ByteArray－ISO-8859-1〉String：0x61 0x3F 0x3F－〉/u0061/u003F/u003F（a??）

2.2 Unicode與各編碼之間的交叉轉換

　　在上面直接轉換中，由字符串（Unicode）生成的字節數組，在構造回字符串時，使用的是正確的編碼集合，若是使用的不是正確的編碼集合會怎樣呢？會正確構造嗎？若是不能正確構造能有辦法恢復嗎？會信息丟失嗎？
　　下面咱們就來看看這種狀況，這部分能夠說明在某些狀況下雖然咱們最終正確顯示告終果，但其間仍然進行了不正確的轉換。

　　１）可以正確顯示的中間不正確轉換

　　咱們知道String－GBK〉ByteArray－GBK〉String是正確的，但若是咱們採用String－GBK〉

ByteArray－ISO-8859-1〉String呢？經過測試結果以下：

String－GBK〉ByteArray－ISO-8859-1〉String：/u0061/u4E2D/u6587（a中文）－〉0x61 0xD6 0xD0 0xCE 0xC4－〉/u0061/u00D6/u00D0/u00CE/u00C4（a????

　　這時咱們獲得的字符串爲？亂碼「a????」，可是經過繼續轉換咱們仍然能夠復原回正確的字符串「a中文」，過程以下：

String－GBK〉ByteArray－ISO- 8859-1〉String－ISO-8859-1〉ByteArray－GBK〉String

對應：/u0061/u4E2D/u6587（a中文）－〉0x61 0xD6 0xD0 0xCE 0xC4－〉/u0061/u00D6/u00D0/u00CE/u00C4（a????）－〉0x61 0xD6 0xD0 0xCE 0xC4－〉/u0061/u4E2D/u6587（a中文）

　　也就是咱們在首次構造字符串時，咱們用了錯誤的編碼集合獲得了錯誤的亂碼，可是咱們經過錯上加錯，再用錯誤的編碼集合獲取字節數組，而後再用正確的編碼集合構造，就　　又恢復了正確的字符串。這時就屬因而「可以正確顯示的中間不正確轉換」。在Jsp頁面提交數據處理時經常發生這種狀況。
　　此外可以正確顯示的中間不正確轉換還有：

String－UTF- 8〉ByteArray－ISO-8859-1〉String－ISO-8859-1〉ByteArray－UTF-8〉String

和

String－UTF-8〉ByteArray－GBK〉String－GBK〉ByteArray－UTF-8〉String

對應：/u0061/u4E2D/u6587（a中文）－〉0x61 0xE4 0xB8 0xAD 0xE6%0x96 0x87－〉/u0061/u6D93/uE15F/u6783（a涓枃）－〉0x61 0xE4 0xB8 0xAD 0xE6%0x96 0x87－〉/u0061/u4E2D/u6587（a中文）

2.3 編碼過程當中錯誤診斷參考

１）一個漢字對應一個問號
　　在經過ISO-8859-1從字符串獲取字節數組時，因爲一個Unicode轉換成一個byte，當遇到不認識的Unicode時，轉換爲0x3F，這樣不管用哪一種編碼構造時都會產生一個？亂碼。
２）一個漢字對應兩個問號
　　在經過GBK從字符串獲取字節數組時，因爲一個Unicode轉換成兩個byte，若是此時用ISO-8859-1或用UTF-8構造字符串就會出現兩個問號。
　　如果經過ISO-8859-1構造能夠再經過上面所說的錯上加錯恢復（即再經過從ISO-8859-1解析，用GBK構造）；
　　如果經過UTF-8構造則會產生Unicode字符＂/uFFFD＂，不能恢復，若再經過String－UTF-8〉ByteArray－GBK〉String，則會出現雜碼，如a錕斤拷錕斤拷
３）一個漢字對應三個問號
　　在經過UTF-8從字符串獲取字節數組時，因爲一個
　　這是java字符串處理的一個標準函數，其做用是將字符串所表示的字符按照charset編碼，並以字節方式表示。注意字符串在java內存中老是按unicode編碼存儲的。好比"中文"，正常狀況下（即沒有錯誤的時候）存儲爲"4e2d 6587"，若是charset爲"gbk"，則被編碼爲"d6d0 cec4"，而後返回字節"d6 d0 ce c4".若是charset爲"utf8"則最後是"e4 b8 ad e6 96 87".若是是"iso8859-1"，則因爲沒法編碼，最後返回 "3f 3f"（兩個問號）。

3. java對字符的處理

在java應用軟件中，會有多處涉及到字符集編碼，有些地方須要進行正確的設置，有些地方須要進行必定程度的處理。

3.1 getBytes(charset)

這是java字符串處理的一個標準函數，其做用是將字符串所表示的字符按照charset編碼，並以字節方式表示。

　　注意字符串在java內存中老是按unicode編碼存儲的。

　　好比"中文"，正常狀況下（即沒有錯誤的時候）存儲爲"4e2d 6587"，

若是charset爲"gbk"，則被編碼爲"d6d0 cec4"，而後返回字節"d6 d0 ce c4"。

若是charset爲"utf8"則最後是"e4 b8 ad e6 96 87"。

若是是"iso8859-1"，則因爲沒法編碼，最後返回 "3f 3f"（兩個問號）。

3.2 new String(charset)

這是java字符串處理的另外一個標準函數，和上一個函數的做用相反，將字節數組按照charset編碼進行組合識別，最後轉換爲unicode存儲。

　　參考上述getBytes的例子，"gbk" 和"utf8"均可以得出正確的結果"4e2d 6587"，但iso8859-1最後變成了"003f 003f"（兩個問號）。

　　由於utf8能夠用來表示/編碼全部字符，因此new String( str.getBytes( "utf8" ), "utf8" ) === str，即徹底可逆。

3.3 setCharacterEncoding()

　　該函數用來設置http請求或者相應的編碼。

對於request，是指提交內容的編碼，指定後能夠經過getParameter()則直接得到正確的字符串，若是不指定，則默認使用iso8859-1編碼，須要進一步處理。

參見下述"表單輸入"。值得注意的是在執行setCharacterEncoding()以前，不能執行任何getParameter()。

　　java doc上說明：This method must be called prior to reading request parameters or reading input using getReader()。

　　該指定只對POST方法有效，對GET方法無效。分析緣由:

　　POST方法在執行第一個getParameter()的時候，java將會按照編碼分析全部的提交內容，然後續的getParameter()再也不進行分析，因此setCharacterEncoding()無效。

　　GET方法提交表單是，提交的內容在URL中，一開始就已經按照編碼分析全部的提交內容，setCharacterEncoding()天然就無效。

注意：iso-8859-1是JAVA網絡傳輸使用的標準字符集,而gb2312是標準中文字符集,當你做出提交表單等須要網絡傳輸的操做的時候,就須要把 iso-8859-1轉換爲gb2312字符集顯示,不然若是按瀏覽器的gb2312格式來解釋iso-8859-1字符集的話,因爲2者不兼容,因此會是亂碼.

例子：　　

    //１）將字符串用指定的編碼集合解析成字節數組，完成Unicode－〉//charsetName轉換  
    public byte[] getBytes(String charsetName) throws UnsupportedEncodingException　  
    //２）將字節數組以指定的編碼集合構形成字符串，完成charsetName－〉Unicode轉換  
    public String(byte[] bytes, String charsetName) throws UnsupportedEncodingException

String s = "你好";
// 編碼
byte[] utf = s.getBytes("utf-8");
byte[] gbk = s.getBytes("gbk");
System.out.println("utf-8編碼：" + Arrays.toString(utf));//[-28,-67,-96,-27,-91,-67]  6個字節
System.out.println("gbk編碼：" + Arrays.toString(gbk));//[-60,-29,-70,-61] 4個字節
// 解碼
String s1 = new String(utf, "utf-8"); // 你好
String s2 = new String(utf, "gbk"); // gbk解碼：浣犲ソ gbk用2個字節解碼，因此會多一個字符
String s3 = new String(gbk, "utf-8"); // gbk用utf-8解碼：??? utf-8解碼須要6個字節
System.out.println("--------------------");
System.out.println("utf-8解碼：" + s1);
System.out.println("gbk解碼：" + s2);
System.out.println("gbk用utf-8解碼：" + s3);
System.out.println("---------------------");
System.out.println("用utf-8編碼回去");
s3 = new String(s3.getBytes("utf-8"), "gbk"); // 錕斤拷錕?   gbk用utf-8解碼後沒法編回去
System.out.println(s3);

規律：

utf-8編碼能夠用gbk和iso8859-1解碼後編回去

gbk編碼後只能用iso8859-1解碼後編回去

3.4. 處理過程

　　下面分析兩個有表明性的例子，說明java對編碼有關問題的處理方法。

3.4.1. 表單輸入

　　 User input *(gbk:d6d0 cec4)

　　browser *(gbk:d6d0 cec4)

　　web server iso8859-1(00d6 00d 000ce 00c4) class，

　　須要在class中進行處理：

　　getbytes("iso8859-1")爲d6 d0 ce c4，

　　new String("gbk")爲d6d0 cec4，

　　內存中以unicode編碼則爲4e2d 6587。

　　l 用戶輸入的編碼方式和頁面指定的編碼有關，也和用戶的操做系統有關，因此是不肯定的，上例以gbk爲例。

　　l 從browser到web server，能夠在表單中指定提交內容時使用的字符集，不然會使用頁面指定的編碼。而若是在url中直接用?的方式輸入參數，則其編碼每每是操做系統自己的編碼，由於這時和頁面無關。上述仍舊以gbk編碼爲例。

　　l Web server接收到的是字節流，默認時（getParameter）會以iso8859-1編碼處理之，結果是不正確的，因此須要進行處理。但若是預先設置了編碼（經過request. setCharacterEncoding ()），則可以直接獲取到正確的結果。

　　l 在頁面中指定編碼是個好習慣，不然可能失去控制，沒法指定正確的編碼。

3.4.2. 文件編譯

　　假設文件是gbk編碼保存的，而編譯有兩種編碼選擇：gbk或者iso8859-1，前者是中文windows的默認編碼，後者是Linux的默認編碼，固然也能夠在編譯時指定編碼。

　　Jsp *(gbk:d6d0 cec4)

　　java file *(gbk:d6d0 cec4)

　　compiler read uincode(gbk: 4e2d 6587; iso8859-1: 00d6 00d 000ce 00c4)

　　compiler write utf(gbk: e4b8ad e69687; iso8859-1: *)

　　compiled file unicode(gbk: 4e2d 6587; iso8859-1: 00d6 00d 000ce 00c4) class。

　　因此用gbk編碼保存，而用iso8859-1編譯的結果是不正確的。

　　class unicode(4e2d 6587) system.out / jsp.out gbk(d6d0 cec4) os console / browser。

　　l 文件能夠以多種編碼方式保存，中文windows下，默認爲ansi/gbk。

　　l 編譯器讀取文件時，須要獲得文件的編碼，若是未指定，則使用系統默認編碼。通常class文件，是以系統默認編碼保存的，因此編譯不會出問題，但對於jsp文件，若是在中文windows下編輯保存，而部署在英文linux下運行/編譯，則會出現問題。因此須要在jsp文件中用pageEncoding指定編碼。

　　l Java編譯的時候會轉換成統一的unicode編碼處理，最後保存的時候再轉換爲utf編碼。

　　l 當系統輸出字符的時候，會按指定編碼輸出，對於中文windows下，System.out將使用gbk編碼，而對於response（瀏覽器），則使用jsp文件頭指定的contentType，或者能夠直接爲response指定編碼。同時，會告訴browser網頁的編碼。若是未指定，則會使用iso8859-1編碼。對於中文，應該爲browser指定輸出字符串的編碼。

　　l browser顯示網頁的時候，首先使用response中指定的編碼（jsp文件頭指定的contentType最終也反映在response上），若是未指定，則會使用網頁中meta項指定中的contentType。

3.5. javaEE幾處設置

　　對於web應用程序，和編碼有關的設置或者函數以下。

3.5.1. jsp編譯

　　指定文件的存儲編碼，很明顯，該設置應該置於文件的開頭。例如：<%@page pageEncoding="GBK"%>。另外，對於通常class文件，能夠在編譯的時候指定編碼。

3.5.2. jsp輸出

　　指定文件輸出到browser時使用的編碼，該設置也應該置於文件的開頭。例如：<%@ page contentType="text/html; charset= GBK" %>。該設置和response.setCharacterEncoding("GBK")等效。

3.5.3. meta設置

　　指定網頁使用的編碼，該設置對靜態網頁尤爲有做用。由於靜態網頁沒法採用jsp的設置，並且也沒法執行response.setCharacterEncoding()。例如：　　<META http-equiv="Content-Type" content="text/html; charset=GBK" />

　　若是同時採用了jsp輸出和meta設置兩種編碼指定方式，則jsp指定的優先。由於jsp指定的直接體如今response中。

　　須要注意的是，apache有一個設置能夠給無編碼指定的網頁指定編碼，該指定等同於jsp的編碼指定方式，因此會覆蓋靜態網頁中的meta指定。因此有人建議關閉該設置。

3.5.4. form設置

　　當瀏覽器提交表單的時候，能夠指定相應的編碼。例如：<form accept-charset= "gb2312">。通常沒必要不使用該設置，瀏覽器會直接使用網頁的編碼。

3.5.5. JSP頁面獲取表單的值

　　在JSP頁面獲取表單的值時會出現亂碼，有兩種解決方法：

　　1.post:在調用getParameter以前經過request.setCharacterEncoding設置字符編碼

　　2.get:調用new String(str.getBytes("iso8859-1"), "UTF-8");編碼後解碼

4. 系統軟件

下面討論幾個相關的系統軟件。

4.1. MySQL數據庫

　　很明顯，要支持多語言，應該將數據庫的編碼設置成utf或者unicode，而utf更適合與存儲。可是，若是中文數據中包含的英文字母不多，其實unicode更爲適合。

　　數據庫的編碼能夠經過mysql的配置文件設置，例如default-character-set=utf8。

　　還能夠在數據庫連接URL中設置，例如： useUnicode=true&characterEncoding=UTF-8。

　　注意這二者應該保持一致，在新的sql版本里，在數據庫連接URL裏能夠不進行設置，但也不能是錯誤的設置。

Oracle中字符集編碼決定

select userenv('language') from dual;

SIMPLIFIED CHINESE_CHINA.ZHS16GBK

SIMPLIFIED CHINESE_CHINA.AL32UTF8

select lengthb('你') from dual;

4.2. apache

　　appache和編碼有關的配置在httpd.conf中，例如AddDefaultCharset UTF-8。如前所述，該功能會將全部靜態頁面的編碼設置爲UTF-8，最好關閉該功能。

　　另外，apache還有單獨的模塊來處理網頁響應頭，其中也可能對編碼進行設置。

4.3. linux默認編碼

　　這裏所說的linux默認編碼，是指運行時的環境變量。兩個重要的環境變量是LC_ALL和LANG，默認編碼會影響到java URLEncode的行爲，下面有描述。

　　建議都設置爲"zh_CN.UTF-8"。

4.4. 其它

　　爲了支持中文文件名，linux在加載磁盤時應該指定字符集，例如：mount /dev/hda5 /mnt/hda5/ -t ntfs -o iocharset=gb2312。

　　另外，如前所述，使用GET方法提交的信息不支持request.setCharacterEncoding()，但能夠經過tomcat的配置文件指定字符集，在tomcat的server.xml文件中，形如：<Connector ... URIEncoding="GBK"/>。這種方法將統一設置全部請求，而不能針對具體頁面進行設置，也不必定和browser使用的編碼相同，因此有時候並非所指望的。

5. URL地址

URL地址中含有中文字符是很麻煩的，前面描述過使用GET方法提交表單的狀況，使用GET方法時，參數就是包含在URL中。

5.1. URL編碼

　　對於URL中的一些特殊字符，瀏覽器會自動進行編碼。這些字符除了"/?&"等外，還包括unicode字符，好比漢字。這時的編碼比較特殊。

　　IE有一個選項"老是使用UTF-8發送URL"，

　　當該選項有效時，IE將會對特殊字符進行UTF-8編碼，同時進行URL編碼。

　　若是該選項無效，則使用默認編碼"GBK"，而且不進行URL編碼。可是，對於URL後面的參數，則老是不進行編碼，至關於UTF-8選項無效。

　　好比"中文.html?a=中文"，

　　當UTF-8選項有效時，將發送連接"%e4%b8%ad%e6%96%87.html?a=/x4e/x2d/x65/x87"；

　　而UTF-8選項無效時，將發送連接"/x4e/x2d/x65/x87.html?a=/x4e/x2d/x65/x87"。

　　注意後者前面的"中文"兩個字只有4個字節，而前者卻有18個字節，這主要時URL編碼的緣由。

　　當web server（tomcat）接收到該連接時，將會進行URL解碼，即去掉"%"，同時按照ISO8859-1編碼（上面已經描述，可使用URLEncoding來設置成其它編碼）識別。

　　上述例子的結果分別是"/ue4/ub8/uad/ue6/u96/u87.html?a=/u4e/u2d/u65/u87"和"/u4e/u2d/u65/u87.html?a=/u4e/u2d/u65/u87"，

　　注意前者前面的"中文"兩個字恢復成了6個字符。這裏用"/u"，表示是unicode。

　　因此，因爲客戶端設置的不一樣，相同的連接，在服務器上獲得了不一樣結果。這個問題很多人都遇到，卻沒有很好的解決辦法。因此有的網站會建議用戶嘗試關閉UTF-8選項。不過，下面會描述一個更好的處理辦法。

5.2. rewrite

　　熟悉的人都知道，apache有一個功能強大的rewrite模塊，這裏不描述其功能。須要說明的是該模塊會自動將URL解碼（去除%），即完成上述web server（tomcat）的部分功能。有相關文檔介紹說可使用[NE]參數來關閉該功能，但我試驗並未成功，多是由於版本（我使用的是apache 2.0.54）問題。另外，當參數中含有"?& "等符號的時候，該功能將致使系統得不到正常結果。

　　rewrite自己彷佛徹底是採用字節處理的方式，而不考慮字符串的編碼，因此不會帶來編碼問題。

5.3. URLEncode.encode()

　　這是Java自己提供對的URL編碼函數，完成的工做和上述UTF-8選項有效時瀏覽器所作的工做類似。值得說明的是，java已經不同意不指定編碼來使用該方法（deprecated）。應該在使用的時候增長編碼指定。

　　當不指定編碼的時候，該方法使用系統默認編碼，這會致使軟件運行結果得不肯定。好比對於"中文"，當系統默認編碼爲"gb2312"時，結果是"%4e%2d%65%87"，而默認編碼爲"UTF-8"，結果倒是"%e4%b8%ad%e6%96%87"，後續程序將難以處理。

　　另外，這兒說的系統默認編碼是由運行tomcat時的環境變量LC_ALL和LANG等決定的，曾經出現過tomcat重啓後就出現亂碼的問題，最後才鬱悶的發現是由於修改修改了這兩個環境變量。

　　建議統一指定爲"UTF-8"編碼，可能須要修改相應的程序。

6. 其它

下面描述一些和編碼有關的其餘問題。

6.1. SecureCRT

　　除了瀏覽器和控制檯與編碼有關外，一些客戶端也頗有關係。好比在使用SecureCRT鏈接linux時，應該讓SecureCRT的顯示編碼（不一樣的session，能夠有不一樣的編碼設置）和linux的編碼環境變量保持一致。不然看到的一些幫助信息，就多是亂碼。

　　另外，mysql有本身的編碼設置，也應該保持和SecureCRT的顯示編碼一致。不然經過SecureCRT執行sql語句的時候，可能沒法處理中文字符，查詢結果也會出現亂碼。

　　對於Utf-8文件，不少編輯器（好比記事本）會在文件開頭增長三個不可見的標誌字節，若是做爲mysql的輸入文件，則必需要去掉這三個字符。（用linux的vi保存能夠去掉這三個字符）。一個有趣的現象是，在中文windows下，建立一個新txt文件，用記事本打開，輸入"連通"兩個字，保存，再打開，你會發現兩個字沒了，只留下一個小黑點。