MySQL字符集基本概念和詳細設置

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，對每個字符賦予一個數值，用數值來代表對應的字符，這一數值就是字符的編碼(Encoding)。例如，我們給字符’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；
 給定一系列字符并賦予對應的編碼后，所有這些字符和編碼對組成的集合就是字符集(Character Set)。例如，給定字符列表為{’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；
 確定字符序后，才能在一個字符集上定義什么是等價的字符，以及字符之間的大小關系；
 每個字符序唯一對應一種字符集，但一個字符集可以對應多種字符序，其中有一個是默認字符序(Default Collation)；
 MySQL中的字符序名稱遵從命名慣例：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：默認的內部操作字符集
– character_set_client：客戶端來源數據使用的字符集
– character_set_connection：連接層字符集
– 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：
– 格式為：[_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中不經過多余的轉碼，直接轉換為內部字符集處理。


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轉換為character_set_connection；
2. 進行內部操作前將請求數據從character_set_connection轉換為內部操作字符集，其確定方法如下：
       - 使用每個數據字段的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. 將操作結果從內部操作字符集轉換為character_set_results。


  我們現在回過頭來分析下我們產生的亂碼問題：
          a 我們的字段沒有設置字符集，因此使用表的數據集
          b 我們的表沒有指定字符集，默認使用數據庫存的字符集
          c 我們的數據庫在創建的時候沒有指定字符集，因此使用character_set_server設定值
          d 我們沒有特意去修改character_set_server的指定字符集，因此使用mysql默認
          e mysql默認的字符集是latin1，因此，我們使用了latin1字符集，而我們character_set_connection的字符集是UTF-8，插入中文亂碼也再所難免了。


常見問題解析
 FAQ-1 向默認字符集為utf8的數據表插入utf8編碼的數據前沒有設置連接字符集，查詢時設置連接字符集為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均為latin1；
     – 插入操作的數據將經過latin1=>latin1=>utf8的字符集轉換過程，這一過程中每個插入的漢字都會從原始的3個字節變成6個字節保存；
     – 查詢時的結果將經過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。參考下圖： 
 向默認字符集為latin1的數據表插入utf8編碼的數據前設置了連接字符集為utf8（我們遇到的錯誤就是屬于這一種）
     – 插入時根據連接字符集設置，character_set_client、character_set_connection和character_set_results均為utf8；
     --插入數據將經過utf8=>utf8=>latin1的字符集轉換，若原始數據中含有\u0000~\u00ff范圍以外的Unicode字符，會因為無法在latin1字符集中表示而被轉換為“?”(0×3F)符號，
以后查詢時不管連接字符集設置如何都無法恢復其內容了。轉換過程如下圖：  


 
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
     建立數據庫/表和進行數據庫操作時盡量顯式指出使用的字符集，而不是依賴于MySQL的默認設置，否則MySQL升級時可能帶來很大困擾；
     數據庫和連接字符集都使用latin1時，雖然大部分情況下都可以解決亂碼問題，但缺點是無法以字符為單位來進行SQL操作，一般情況下將數據庫和連接字符集都置為utf8是較好的選擇；
     使用mysql CAPI（mysql提供C語言操作的API）時，初始化數據庫句柄后馬上用mysql_options設定MYSQL_SET_CHARSET_NAME屬性為utf8，這樣就不用顯式地用SET NAMES語句指定連接字符集，
且用mysql_ping重連斷開的長連接時也會把連接字符集重置為utf8；
     對于mysql PHP API，一般頁面級的PHP程序總運行時間較短，在連接到數據庫以后顯式用SET NAMES語句設置一次連接字符集即可；但當使用長連接時，請注意保持連接通暢并在斷開重連后用
SET NAMES語句顯式重置連接字符集。
 
其他注意事項
     my.cnf中的default_character_set設置只影響mysql命令連接服務器時的連接字符集，不會對使用libmysqlclient庫的應用程序產生任何作用！
      對字段進行的SQL函數操作通常都是以內部操作字符集進行的，不受連接字符集設置的影響。
     SQL語句中的裸字符串會受到連接字符集或introducer設置的影響，對于比較之類的操作可能產生完全不同的結果，需要小心！
 
總結
    根據上面的分析和建議，我們解決我們遇到問題應該使用什么方法大家心里應該比較清楚了。對，就是在創建database的時候指定字符集，不要去通過修改默認配置來達到目的，當然你也可以采用
指定表的字符集的形式，但很容易出現遺漏，特別是在很多人都參與設計的時候，更容易紕漏。
 
    雖然不提倡通過修改mysql的默認字符集來解決，但對于如何去修改默認字符集，我這里還是給出一些方法，僅供大家參考。
 
MySQL默認字符集
MySQL對于字符集的指定可以細化到一個數據庫，一張表，一列.傳統的程序在創建數據庫和數據表時并沒有使用那么復雜的配置，它們用的是默認的配置.
    (1)編譯MySQL 時，指定了一個默認的字符集，這個字符集是 latin1；
    (2)安裝MySQL 時，可以在配置文件 (my.ini) 中指定一個默認的的字符集，如果沒指定，這個值繼承自編譯時指定的；
    (3)啟動mysqld 時，可以在命令行參數中指定一個默認的的字符集，如果沒指定，這個值繼承自配置文件中的配置,此時 character_set_server 被設定為這個默認的字符集；
    (4)安裝 MySQL選擇多語言支持，安裝程序會自動在配置文件中把default_character_set 設置為 UTF-8，保證缺省情況下所有的數據庫所有表的所有列的都用 UTF-8 存儲。
查看默認字符集
    (默認情況下，mysql的字符集是latin1(ISO_8859_1)，如何查看在上面我們已經給出了相關命令
修改默認字符集
(1) 最簡單的修改方法，就是修改mysql的my.ini文件中的字符集鍵值，
     如    default-character-set = utf8
      character_set_server =  utf8
     修改完后，重啟mysql的服務
(2) 還有一種修改字符集的方法，就是使用mysql的命令
     mysql> SET character_set_client = utf8 ;
     mysql> SET character_set_connection = utf8 ;
     mysql> SET character_set_database = utf8 ;
     mysql> SET character_set_results = utf8 ;
     mysql> SET character_set_server = utf8 ;
     mysql> SET collation_connection = utf8 ;
     mysql> SET collation_database = utf8 ;
     mysql> SET collation_server = utf8 ;
 
    設置了表的默認字符集為utf8并且通過UTF-8編碼發送查詢，存入數據庫的仍然是亂碼。那connection連接層上可能出了問題。解決方法是在發送查詢前執行一下下面這句： SET NAMES 'utf8';它相當于
下面的三句指令：
SET character_set_client = utf8;
SET character_set_results = utf8;
SET character_set_connection = utf8;