mysql字元集編碼設定與查看命令

最近，在項目組使用的mysql資料庫中，插入資料出現亂碼，關於這個問題做了下總結，我們從最基本的地方說起，到錯誤產生的深層次原因和解決辦法。

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的字元集支援：
1、字元集(Character set)。
2、排序比較方式(Collation)。

通過命令：show character set 和 show collation 可以分別查看Mysql支援的字元集和排序方式。
– mysql> show character set;
– mysql> show collation;
 
Mysql對於字元集的支援細化到四個層次：
1、伺服器(server)；
2、資料庫(database)；
3、資料表(table)(欄位column)；
4、串連(connection)；
  
MySQL字元集變數：
– 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。

1、查看預設字元集(預設情況下，Mysql的字元集是latin1(ISO_8859_1)
通常，查看系統的字元集和排序方式的設定可以通過下面的兩條命令：
 

代碼如下

複製代碼

– mysql> SHOW VARIABLES LIKE 'character%'; +--------------------------+---------------------------------+ | Variable_name            | Value                           | +--------------------------+---------------------------------+ | character_set_client     | utf8                            | | character_set_connection | utf8                            | | character_set_database   | utf8                            | | character_set_filesystem | binary                          | | character_set_results    | utf8                            | | character_set_server     | utf8                            | | character_set_system     | utf8                            | | character_sets_dir       | D:Program FilesMySQLMySQL Server 5.1sharecharsets | +--------------------------+---------------------------------+   – mysql> SHOW VARIABLES LIKE 'collation_%'; +----------------------+-----------------+ | Variable_name        | Value        | +----------------------+-----------------+ | collation_connection   | utf8_general_ci  | | collation_database    | utf8_general_ci  | | collation_server      | utf8_general_ci  | +----------------------+-----------------+

 
2、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（共6個），如：
[client]

代碼如下	複製代碼
default-character-set = utf8 default-character-set = utf8 character-set-server = utf8 collation-server = utf8_general_ci init_connect = 'SET collation_connection = utf8_general_ci ' init_connect = 'SET NAMES 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：

代碼如下	複製代碼
– mysql> SET character_set_connection = utf8 ; – mysql> SET character_set_database = utf8 ; – mysql> SET character_set_server = utf8 ; – mysql> SET collation_server = utf8 ; – mysql> SET collation_database = utf8 ; – mysql> SET character_set_client = utf8 ; – mysql> SET character_set_results = utf8 ; – mysql> SET collation_connection = utf8 ;

一般就算設定了表的預設字元集為utf8並且通過UTF-8編碼發送查詢，你會發現存入資料庫的仍然是亂碼。問題就出在這個connection串連層上。

解決方案是在發送查詢前執行一下下面這句：

代碼如下	複製代碼
SET NAMES 'utf8';

它相當於下面的三句指令：

代碼如下	複製代碼
SET character_set_client = utf8; SET character_set_results = utf8; SET character_set_connection = utf8;

 
檢測字元集問題的一些手段

 • SHOW CHARACTER SET;  #查看mysql支援的字元集
 • SHOW COLLATION;      #查看mysql的字元序列(排序方式)
 • SHOW VARIABLES LIKE ‘character%’;  #查看mysql系統預設字元集設定值
 • SHOW VARIABLES LIKE ‘collation%’; #查看mysql系統預設的字元序列(排序方式) 設定值
 • SQL函數HEX、LENGTH、CHAR_LENGTH
 • SQL函數CHARSET、COLLATION
 
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。
 
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，應該用什麼字元集。但是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，那麼，預設的配置從何而來呢？
(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)當建立一個新的資料庫時，除非明確指定，這個資料庫的字元集被預設設定為character_set_server；
(5)當選定了一個資料庫時，character_set_database 被設定為這個資料庫預設的字元集；
(6)在這個資料庫裡建立一張表時，表預設的字元集被設定為 character_set_database，也就是這個資料庫預設的字元集；
(7)當在表內設定一欄時，除非明確指定，否則此欄預設的字元集就是表預設的字元集；
簡單的總結一下，如果什麼地方都不修改，那麼所有的資料庫的所有表的所有欄位的都用 latin1 儲存，不過我們如果安裝 MySQL，一般都會選擇多語言支援，也就是說，安裝程式會自動在設定檔中把default_character_set 設定為 UTF-8，這保證了預設情況下，所有的資料庫的所有表的所有欄位的都用 UTF-8 儲存。
 
常見問題解析

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。
  
2)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。
  
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  符集。
 
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，不要去通過修改默 認配置來達到目的，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。

因此，使用什麼資料庫版本，不管是3.x，還是4.0.x還是4.1.x，其實對我們來說不重要，重要的有兩點

1.正確的設定資料庫編碼。MySQL4.0以下版本的字元集總是預設ISO8859-1，MySQL4.1在安裝的時候會讓你選擇。如果你準備使用UTF- 8，那麼在建立資料庫的時候就要指定好UTF-8(建立好以後也可以改，4.1以上版本還可以單獨指定表的字元集)
2.正確的設定資料庫connection編碼。設定好資料庫的編碼後，在串連資料庫時候，應該指定connection的編碼，比如使用jdbc串連時，指定串連為utf8方式。