深入理解Java和MySQL亂碼問題

最近我們使用tomcat和MySQL搭建了一個Java Web伺服器，並將遊戲的伺服器邏輯部署在該伺服器上。

 

遊戲上線後不久，我們探索資料庫中出現了大量的亂碼。這是個非常嚴重的問題，因此必須馬上解決。但是問題出在什麼地方呢，根據分析，亂碼只可能出現在兩個時間點：

1.       將資料從用戶端傳送到伺服器的時候。

2.       伺服器將資料存放區到資料庫的時候。

 

經過調試之後，我們探索服務器輸出的資料是正常的，因此亂碼問題只能發生在儲存入庫的時候。

 

既然是MySQL資料庫編碼的問題，那事情就相對好辦了，首先，輸入命令：

mysql>show variables like '%char%';

+--------------------------+----------------+

|Variable_name              | Value            |

+--------------------------+----------------+

|character_set_client      | utf8              |

| character_set_connection| utf8             |

|character_set_database   | latin1            |

|character_set_filesystem | binary           |

|character_set_results     | utf8             |

|character_set_server      | latin1          |

|character_set_system      | utf8              |

+--------------------------+----------------+

上述命令用於顯示當前MySQL用到的資料庫編碼。當看到這麼多項資料編碼之後，腦袋都有點大，沒辦法，只能硬著頭皮一個一個地把這些參數搞明白。

l   character_set_server：建立資料庫時，如果沒有指定字元編碼，那麼系統將使用character_set_server的值作為預設值。

l   character_set_database：建立表時，如果沒有指定字元編碼，那麼系統將使用character_set_database的值作為預設值。

l   character_set_client：定義了MySQL用戶端所發送資料的編碼。

l   character_set_connection：當MySQL伺服器接收到用戶端發送過來的資料之後，會將這些資料轉化成character_set_connection所指定的編碼。

l   character_set_results：MySQL伺服器返回查詢結果所使用的字元編碼。

 

知道這些參數的含義之後，就沒有那麼茫然無助了，因此腦海中回顧下資料存放區入庫的過程。

 

通過MySQL用戶端執行插入的過程如下，MySQL用戶端將使用者輸入的資料編碼成character_set_client，發送到伺服器，伺服器接收到之後，將其轉化成character_set_connection，然後伺服器再將這些資料存放區成character_set_table（上面這些參數不包含這個，即如果建表時沒有指定，該值即為character_set_database）。

 

回憶一下，發現當時建表的時候並沒有主動在建表語句後面指定字元編碼，那麼根據上面的描述，資料庫的表就會使用character_set_database所指定的字元編碼，即latin1。由於UTF-8編碼的中文無法儲存成latin1，因此在往latin1編碼的表中儲存UTF-8編碼的中文時，資料庫會將無法識別的字元變成?，並且這個過程是無法復原的。

 

為了證明這一點，我試著通過MySQL用戶端往表中插入中文，結果插入失敗。因此我決定將表的字元編碼修改成UTF-8，看看是否能往表中插入中文，執行如下語句之後：

mysql> ALTER TABLE `tableName` DEFAULTCHARACTER SET utf8 COLLATE utf8_general_ci

表的字元編碼被修改成了UTF-8，這時候發現也能往表中插入中文了。

 

當時以為事情到這裡就結束了，可是當我們啟動tomcat進行測試之後，探索資料庫中存入的依然是亂碼。既然MySQL用戶端都能插入中文，為啥使用JDBC就不能呢？很有可能JDBC並不使用character_set_client來編碼用戶端資料。

 

翻閱了無數文檔之後，發現如果不在JDBC URL中通過characterEncoding屬性指定串連編碼，JDBC Driver會使用character_set_server作為串連的編碼，在本案例中，即使用latin1。既然原因找到了，那問題就比較好解決了。

 

將JDBC URL修改成jdbc:mysql://localhost/some_db?useUnicode=yes

&characterEncoding=UTF-8即可，如果使用的是tomcat資料來源，那麼記得把’&’替換成’&’。

 

最後，當再次啟動伺服器時，探索資料庫中終於出現了正確的字元。