淺析字元集以及PHP+Mysql4.1的亂碼

Mysql自4.1以後，增加了對字元集的支援。筆者之前對Mysql比較瞭解，剛接觸4.1時，感覺Mysql有點多此一舉，但後來細想發現，對字元集的支援，雖然對開發人員來說，會麻煩一些，但不可否認，是一種進步。對字元集的支援，不僅更加支援多語言，而且，也方便移植。
剛開始使用Mysql4.1，你可能感覺有點不適，下面，簡單闡述一下筆者對Mysql4.1字元集的理解，再講述如何PHP如何適應Mysql的這種變化，希望大家看過這文章後，能夠有所收穫。
如果你對電腦基礎知識不瞭解，請直接閱讀“結論篇”

一．原理篇
Mysql的字元集裡有兩個概念，一個是“Character set（字元集）”，另一個是“Collations”。
1. Collations
Collations翻成中文是“校正”，在網頁開發的過程中，這個詞彙，只在Mysql裡使用，主要作用是指導Mysql對字元的比較，比如， ASCII字元集裡，Collations規定了a小於b，a等於a，以及a是否等於A之類的。通常，大家基本可以忽略Collations的存在，因為每個字元集都有一個預設的Collations，通常，使用預設的Collations就可以了。
2.字元集
與這對比的是，字元集是個更廣的概念，即使是Windows下普通的文字檔，也滲及到字元集的問題。不同的字元集，規定了不同的字元的編碼方式。一個 character set (字元集)是一組符號和編碼，比如，ASCII字元集，包括的字元有：數字，大小寫字母，分號、換行之類的符號，編碼方式是用一個7bit表示一個字元（A的編碼是65，b的編碼是98）。ASCII只規定了英文字母的編碼，非英文語言不能用ASCII編碼錶示，為此，不同的國家，都為自己的語言做了編碼，比如，我們國家，就有GB2312編碼。但每個國家之間的編碼不同，也存在著一些跨平台的問題，為此，一些國際化標準組織，就制定了一些國際通用的編碼，最常用的就是UTF8了。ASCII只對英文符號和英文字母做了編碼，GB2312對英文符號，英文字母，漢字做了編碼，UTF8對世界上所有的語言文字做了編碼，所以，GB1212的字元包含了ASCII字元，UTF8包含了GB2312字元。由此可見，UTF8是所含最廣字元的字元集，所以，在一些多語言的WEB系統中，一般用UTF8字元集（PHPMyAdmin使用UTF8編碼）。
任何文本的儲存，都滲及到字元集的概念。包括資料庫，也包括普通的文字檔。
主要術語：
字元：漢字，英文字母，標點符號，拉丁文等等。
編碼：將字元轉換成電腦儲存的格式，比如，A用65表示。
字元集：一組字元以及對應的編碼方式。
a. Mysql的字元集

Mysql目前支援多字元集，並且，支援在不同的字元集之間轉換（便於移植和支援多語言）。
Mysql可以設定伺服器級字元集、資料庫級字元集、資料表級字元集、表列的字元集，實際上，最終使用字元集的地方是儲存字元的列，比如，你設定 table1中col1列是字元類型，col1才用到了字元集，如果table1表的col2列是int類型，col2不使用字元集的概念。
伺服器級字元集、資料庫級字元集、資料表級字元集都是為列的字元集做預設選項的。
Mysql一定有一個字元集，可以通過啟動時加參數指定，也可以編譯時間指定，也可以在設定檔裡指定。Mysql伺服器字元集，只是做為資料庫級的預設值。建立資料庫時，你可以指定字元集，如果沒指定，就使用伺服器的字元集。同理，建立表時，你可以指定表級的字元集，如果沒指定，使用資料庫的字元集做為表的字元集。建立列時，你可以指定某列的字元集，如果沒指定，就使用表的字元集。
通常情況下，您只需設定伺服器級的字元集，其它的資料庫級，表級，以及列級的字元集，都繼承自伺服器級字元集。
由於UTF8是最廣的字元集，所以，一般情況下，我們設定Mysql伺服器級的字元集為UTF8！
b. 普通文本的字元集問題

任何文本的儲存，都存在著字元集的問題，普通文字檔也不例外。
Windows2000+的系統中，開啟記事本，“儲存為…”對話方塊，就有一個選項，可以讓你選擇儲存文本的編碼方式。
通常情況下，大家都使用Windows2000+的系統，都使用預設的編碼，所以，不會碰到字元集的問題。
Windows下，儲存文字檔時，可以選擇編碼方式，但開啟文字檔時，都是自動判斷編碼方式的。網上有一個用Windows2000+的記事本玩移動，聯通的笑話，大家可以搜搜，就是因為Windows在開啟文字檔時，編碼判斷錯誤引起的問題。
因為自動判斷編碼有時會錯誤，所以，有的文字檔，規定了如何識別自身所使用的編碼。HTML檔案就是一個這樣的例子。
HTML是文字檔。儲存HTML檔案的時候，需要使用一個編碼，並且，在HTML檔案裡，也使用HTML文法，指定了該檔案所使用的編碼（比如< meta http-equiv="content-type" content="text/html; charset=UTF-8">）。如果HTML檔案沒有指定編碼，則瀏覽器自動識別檔案的編碼。如果HTML指定了編碼，則瀏覽器使用HTML指定的編碼。
通常情況下，HTML檔案指定的charset和HTML檔案自身的編碼是一致的，但也有不一致的情況，如果不一致，就會導致網頁亂碼(此處亂碼，只和文字檔有關，和資料庫無關。)使用專門的網頁編輯工具（比如Dreamwave），會自動根據網頁中的charset值來編碼檔案。
c. php+mysql的字元集問題

PHP最終產生的是文字檔，但他要取資料庫裡的文本，或將文本存進資料庫。
由於Mysql支援多字元集，預設情況下，Mysql不知道PHP發給他的是什麼編碼的字元，所以，Mysql要求用戶端（PHP）告訴他存取的字元集是什麼。
PHP通過設定character_set_client，告訴Mysql，PHP存進資料庫的是什麼編碼方式。
PHP通過設定character_set_results，告訴Mysql，PHP需要取什麼樣編碼的資料。
PHP通過設定character_set_connection，告訴Mysql，PHP查詢中的文本，使用什麼編碼。
MYSQL使用設定的編碼方式儲存文本。
假設Mysql使用setserver來儲存文本，PHP的character_set_client是setclient，PHP的 character_set_results是setresult。那麼，Mysql將PHP發來的文本，從setclient編碼方式，轉換成 setserver編碼方式，再存入資料庫，如果PHP取文本，Mysql將文本從setserver轉換成setresult，再發送給PHP。
PHP檔案（最終產生的HTML檔案）本身有個編碼，如果Mysql傳過來的編碼，與PHP檔案自身的編碼不同，那麼，整個網頁，必然亂碼。所以，PHP一般將自己的編碼方式，告訴Mysql。
要保證不亂碼，就必須將三個編碼統一：一是網頁自身的編碼，二是HTML裡指定的編碼，三是PHP告訴Mysql的編碼(包括character_set_client和character_set_results)。
第一和第二個編碼，如果使用DW之類的編輯器寫的網頁，通常是一致的，但用記事本寫的網頁，有可能不一致。
第三個編碼，需要手工通知Mysql。這步可以通過在PHP裡使用mysql_query(“set names characterX”)來實現。
d.字元集的轉換問題
如果小字集轉換成大字元集，不會遺失資料，但大字集，轉換成小字集，可能會遺失資料。
比如，UTF8裡有的字元，GB2312不一定有，所以，從UTF8轉換到GB2312可能會丟失一些字元。
但有種情況例外，先從GB2312轉成UTF8，再從UTF8轉成GB2312，這種情況是不會丟資料的，因為，剛開始轉換的文本，都是GB2312裡的字元，所以，整個過程都是GB2312的字元在轉換，不會丟失。
正因為UTF8能容納世界上的所有字元，所以，資料庫一般使用UTF8編碼。這使得，任何字元都可以存進UTF8編碼的資料庫。
e. PHPMyAdmin亂碼的問題
PHPMyAdmin支援多國語言，這就必定要求HTML頁面使用UTF8編碼。
HTML頁面使用UTF8編碼，這就必定要求PHPMyAdmin串連Mysql時，character_set_client和character_set_results使用UTF8編碼。
當前情況下，PHP串連Mysql只能是使用set names(或其它幾個語句)來通知Mysql的編碼方式，如果沒有顯式的聲明編碼方式，都將使用latin1編碼。一般的程式，都沒有顯式聲明 character_set_client變數，所以，都是將gb2312文本，按latin1編碼方式存在資料庫，PHPMyAdmin再用utf8格式讀取，肯定是亂碼的。
如果PHP程式按正確的編碼存入資料庫，肯定是沒有問題的。所以，需要修改的不是PHPMyAdmin.（雖然有時修改PHPMyAdmin可以解決亂碼問題，但這不是問題的根本）

二．總結篇

上面的講得有點亂，總結一下：
1.資料庫盡量使用utf8儲存（修改/etc/my.cnf，在[mysqld]段加上default-character-set=utf8）
(已有的資料庫，先轉成UTF8格式)
2.PHP程式在查詢資料庫之前，執行mysql_query(“set names xxxx”);其中xxxx是你網頁的編碼(charset=xxxx)，如果網頁中charset=utf8，則xxxx=utf8，如果網頁中 charset=gb2312，則xxxx=gb2312，如果網頁中的charset=ipaddr，則xxxx=ipaddr (開個玩笑，沒這編碼)
幾乎所有WEB程式，都有一段串連資料庫的公用代碼，放在一個檔案裡，在這檔案裡，加入mysql_query(“set names”)就可以了。
3.PHPMyAdmin不需要做改動。
4.需要注意的是，為保證網頁實際編碼(Windows儲存對話方塊裡的編碼)和他聲明的編碼(charset=?)是一致的，請用DW之類的工具做網頁。

寫得有點倉促，希望大家指正和補充。