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(shù)值，用數(shù)值來代表對應(yīng)的字符，這一數(shù)值就是字符的編碼(Encoding)。例如，我們給字符'A'賦予數(shù)值0，給字符'B'賦予數(shù)值1，則0就是字符'A'的編碼；
• 給定一系列字符并賦予對應(yīng)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(nèi)字符之間的比較規(guī)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(guān)系；
• 每個字符序唯一對應(yīng)一種字符集，但一個字符集可以對應(yīng)多種字符序，其中有一個是默認(rèn)字符序(Default Collation)；
• MySQL中的字符序名稱遵從命名慣例：以字符序?qū)?yīng)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(jié)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(shè)置
• 系統(tǒng)變量：
– character_set_server：默認(rèn)的內(nèi)部操作字符集
– character_set_client：客戶端來源數(shù)據(jù)使用的字符集
– character_set_connection：連接層字符集
– character_set_results：查詢結(jié)果字符集
– character_set_database：當(dāng)前選中數(shù)據(jù)庫的默認(rèn)字符集
– character_set_system：系統(tǒng)元數(shù)據(jù)(字段名等)字符集
– 還有以collation_開頭的同上面對應(yīng)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(jīng)過多余的轉(zhuǎn)碼，直接轉(zhuǎn)換為內(nèi)部字符集處理。
MySQL中的字符集轉(zhuǎn)換過程
1. MySQL Server收到請求時將請求數(shù)據(jù)從character_set_client轉(zhuǎn)換為character_set_connection；
2. 進(jìn)行內(nèi)部操作前將請求數(shù)據(jù)從character_set_connection轉(zhuǎn)換為內(nèi)部操作字符集，其確定方法如下：
• 使用每個數(shù)據(jù)字段的CHARACTER SET設(shè)定值；
• 若上述值不存在，則使用對應(yīng)數(shù)據(jù)表的DEFAULT CHARACTER SET設(shè)定值(MySQL擴展，非SQL標(biāo)準(zhǔn))；
• 若上述值不存在，則使用對應(yīng)數(shù)據(jù)庫的DEFAULT CHARACTER SET設(shè)定值；
• 若上述值不存在，則使用character_set_server設(shè)定值。
3. 將操作結(jié)果從內(nèi)部操作字符集轉(zhuǎn)換為character_set_results。

 
常見問題解析
• 向默認(rèn)字符集為utf8的數(shù)據(jù)表插入utf8編碼的數(shù)據(jù)前沒有設(shè)置連接字符集，查詢時設(shè)置連接字符集為utf8

– 插入時根據(jù)MySQL服務(wù)器的默認(rèn)設(shè)置，character_set_client、character_set_connection和character_set_results均為latin1；

– 插入操作的數(shù)據(jù)將經(jīng)過latin1=>latin1=>utf8的字符集轉(zhuǎn)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(jié)變成6個字節(jié)保存；

– 查詢時的結(jié)果將經(jīng)過utf8=>utf8的字符集轉(zhuǎn)換過程，將保存的6個字節(jié)原封不動返回，產(chǎn)生亂碼……

 

• 向默認(rèn)字符集為latin1的數(shù)據(jù)表插入utf8編碼的數(shù)據(jù)前設(shè)置了連接字符集為utf8

– 插入時根據(jù)連接字符集設(shè)置，character_set_client、character_set_connection和character_set_results均為utf8；

– 插入數(shù)據(jù)將經(jīng)過utf8=>utf8=>latin1的字符集轉(zhuǎn)換，若原始數(shù)據(jù)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(zhuǎn)換為“?”(0x3F)符號，以后查詢時不管連接字符集設(shè)置如何都無法恢復(fù)其內(nèi)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(shù)HEX、LENGTH、CHAR_LENGTH

• SQL函數(shù)CHARSET、COLLATION

使用MySQL字符集時的建議
• 建立數(shù)據(jù)庫/表和進(jìn)行數(shù)據(jù)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(rèn)設(shè)置，否則MySQL升級時可能帶來很大困擾；

• 數(shù)據(jù)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(jìn)行SQL操作，一般情況下將數(shù)據(jù)庫和連接字符集都置為utf8是較好的選擇；

• 使用mysql C API時，初始化數(shù)據(jù)庫句柄后馬上用mysql_options設(shè)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(shù)據(jù)庫以后顯式用SET NAMES語句設(shè)置一次連接字符集即可；但當(dāng)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(shè)置只影響mysql命令連接服務(wù)器時的連接字符集，不會對使用libmysqlclient庫的應(yīng)用程序產(chǎn)生任何作用！

• 對字段進(jìn)行的SQL函數(shù)操作通常都是以內(nèi)部操作字符集進(jìn)行的，不受連接字符集設(shè)置的影響。

• SQL語句中的裸字符串會受到連接字符集或introducer設(shè)置的影響，對于比較之類的操作可能產(chǎn)生完全不同的結(jié)果，需要小心！

最新評論