mysql c haracter

標籤：style   http   color   使用   io   strong   檔案   資料   

基本概念

• 字元(Character)是指人類語言中最小的表義符號。例如’A‘、’B‘等；
• 給定一系列字元，對每個字元賦予一個數值，用數值來代表對應的字元，這一數值就是字元的編碼(Encoding)。例如，我們給字元’A‘賦予數值0，給字元’B‘賦予數值1，則0就是字元’A‘的編碼；
• 給定一系列字元並賦予對應的編碼後，所有這些字元和編碼對組成的集合就是字元集(Character Set)。例如，給定字元列表為{’A‘,’B‘}時，{’A‘=>0, ‘B’=>1}就是一個字元集；
• 字元序(Collation)是指在同一字元集內字元之間的比較規則；
• 確定字元序後，才能在一個字元集上定義什麼是等價的字元，以及字元之間的大小關係；
• 每個字元序唯一對應一種字元集，但一個字元集可以對應多種字元序，其中有一個是預設字元序(Default Collation)；
• MySQL中的字元序名稱遵從命名慣例：以字元序對應的字元集名稱開頭；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：在字元序“utf8_general_ci”下，字元“a”和“A”是等價的；

MySQL字元集設定

• 系統變數：
– character_set_server：預設的內部操作字元集
– character_set_client：用戶端來來源資料使用的字元集
– character_set_connection：串連層字元集
– character_set_results：查詢結果字元集
– character_set_database：當前選中資料庫的預設字元集
– character_set_system：系統中繼資料(欄位名等)字元集
– 還有以collation_開頭的同上面對應的變數，用來描述字元序。

• 用introducer指定文本字串的字元集：
– 格式為：[_charset] ’string’ [COLLATE collation]
– 例如：
       SELECT _latin1 ’string’;
       SELECT _utf8 ‘你好’ COLLATE utf8_general_ci;
– 由introducer修飾的文本字串在請求過程中不經過多餘的轉碼，直接轉換為內部字元集處理。

MySQL中的字元集轉換過程

1. MySQL Server收到請求時將請求資料從character_set_client轉換為character_set_connection；
2. 進行內部操作前將請求資料從character_set_connection轉換為內部操作字元集，其確定方法如下：
       - 使用每個資料欄位的CHARACTER SET設定值；
       - 若上述值不存在，則使用對應資料表的DEFAULT CHARACTER SET設定值(MySQL擴充，非SQL標準)；
       - 若上述值不存在，則使用對應資料庫的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元集轉換為character_set_results。

 
  我們現在回過頭來分析下我們產生的亂碼問題：
          a 我們的欄位沒有設定字元集，因此使用表的資料集
          b 我們的表沒有指定字元集，預設使用資料庫存的字元集
          c 我們的資料庫在建立的時候沒有指定字元集，因此使用character_set_server設定值
          d 我們沒有特意去修改character_set_server的指定字元集，因此使用mysql預設
          e mysql預設的字元集是latin1，因此，我們使用了latin1字元集，而我們character_set_connection的字元集是UTF-8，插入中文亂碼也再所難免了。

常見問題解析
• FAQ-1 向預設字元集為utf8的資料表插入utf8編碼的資料前沒有設定串連字元集，查詢時設定串連字元集為utf8
     – 插入時根據MySQL伺服器的預設設定，character_set_client、character_set_connection和character_set_results均為latin1；
     – 插入操作的資料將經過latin1=>latin1=>utf8的字元集轉換過程，這一過程中每個插入的漢字都會從原始的3個位元組變成6個位元組儲存；
     – 查詢時的結果將經過utf8=>utf8的字元集轉換過程，將儲存的6個位元組原封不動返回，產生亂碼。參考：
• 向預設字元集為latin1的資料表插入utf8編碼的資料前設定了串連字元集為utf8（我們遇到的錯誤就是屬於這一種）
     – 插入時根據串連字元集設定，character_set_client、character_set_connection和character_set_results均為utf8；
     --插入資料將經過utf8=>utf8=>latin1的字元集轉換，若未經處理資料中含有\u0000~\u00ff範圍以外的Unicode字元，會因為無法在latin1字元集中表示而被轉換為“?”(0×3F)符號，以後查詢時不管串連字元集設定如何都無法恢複其內容了。轉換過程如： 

 
檢測字元集問題的一些手段
    • 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字元集時的建議
    • 建立資料庫/表和進行資料庫操作時盡量顯式指出使用的字元集，而不是依賴於MySQL的預設設定，否則MySQL升級時可能帶來很大困擾；
    • 資料庫和串連字元集都使用latin1時，雖然大部分情況下都可以解決亂碼問題，但缺點是無法以字元為單位來進行SQL操作，一般情況下將資料庫和串連字元集都置為utf8是較好的選擇；
    • 使用mysql CAPI（mysql提供C語言操作的API）時，初始化資料庫控制代碼後馬上用mysql_options設定MYSQL_SET_CHARSET_NAME屬性為utf8，這樣就不用顯式地用SET NAMES語句指定串連字元集，且用mysql_ping重連斷開的長串連時也會把串連字元集重設為utf8；
    • 對於mysql PHP API，一般頁面級的PHP程式總已耗用時間較短，在串連到資料庫以後顯式用SET NAMES語句設定一次串連字元集即可；但當使用長串連時，請注意保持串連通暢並在斷開重連後用SET NAMES語句顯式重設串連字元集。
 
其他注意事項
    • my.cnf中的default_character_set設定隻影響mysql命令串連伺服器時的串連字元集，不會對使用libmysqlclient庫的應用程式產生任何作用！
    • 對欄位進行的SQL函數操作通常都是以內部操作字元集進行的，不受串連字元集設定的影響。
    • SQL語句中的裸字串會受到串連字元集或introducer設定的影響，對於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麼方法大家心裡應該比較清楚了。對，就是在建立database的時候指定字元集，不要去通過修改預設配置來達到目的，當然你也可以採用指定表的字元集的形式，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的預設字元集來解決，但對於如何去修改預設字元集，我這裡還是給出一些方法，僅供大家參考。
 
MySQL預設字元集
MySQL對於字元集的指定可以細化到一個資料庫，一張表，一列.傳統的程式在建立資料庫和資料表時並沒有使用那麼複雜的配置，它們用的是預設的配置.
    (1)編譯MySQL 時，指定了一個預設的字元集，這個字元集是 latin1；
    (2)安裝MySQL 時，可以在設定檔 (my.ini) 中指定一個預設的的字元集，如果沒指定，這個值繼承自編譯時間指定的；
    (3)啟動mysqld 時，可以在命令列參數中指定一個預設的的字元集，如果沒指定，這個值繼承自設定檔中的配置,此時 character_set_server 被設定為這個預設的字元集；
    (4)安裝 MySQL選擇多語言支援，安裝程式會自動在設定檔中把default_character_set 設定為 UTF-8，保證預設情況下所有的資料庫所有表的所有列的都用 UTF-8 儲存。
查看預設字元集
    (預設情況下，mysql的字元集是latin1(ISO_8859_1)，如何查看在上面我們已經給出了相關命令
修改預設字元集
(1) 最簡單的修改方法，就是修改mysql的my.ini檔案中的字元集索引值，
     如    default-character-set = utf8
      character_set_server =  utf8
     修改完後，重啟mysql的服務
(2) 還有一種修改字元集的方法，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 ;
 
    設定了表的預設字元集為utf8並且通過UTF-8編碼發送查詢，存入資料庫的仍然是亂碼。那connection串連層上可能出了問題。解決方案是在發送查詢前執行一下下面這句： SET NAMES ‘utf8‘;它相當於下面的三句指令：
SET character_set_client = utf8;
SET character_set_results = utf8;
SET character_set_connection = utf8;