java 與 mysql 中文問題的處理

mysql|問題|中文 問題：用 jdbc 插入、讀取資料庫種文字串亂碼。


首先，mysql 資料庫中的東西都是二進位存放的，支援任何資料，當然包括中文。你到命令列下
insert into testtable values ( '中文' );
select * from testtable;
全都顯示正常。
但是，雖然存取中文沒問題，但排序、匹配的時候有問題。所以如果你的資料庫裡有中文的話，記得在設定檔中，如 c:winntmy.ini 中的 [mysqld] 裡添加一行：
default-character-set=gbk
然後重啟 mysql server 。 注意 gbk 要小寫，不然 mysqld 啟動不了。


其次，資料庫沒問題，下面看看 java 程式。在程式裡很無聊地加一句調試語句：
out.println("中文");
也顯示正常，說明整個 java 環境沒問題。


所以，當然是聯絡 java 和 mysql 的部分，mysql jdbc driver 出問題了。
分析一下，java 內部使用 unicode ，而 mysql 預設使用 iso-8xxx（忘了），所以 jdbc driver 把查詢字串傳給 mysql server 時，會做 unicode->iso-8xxx 的轉換，從 mysql server 接受結果時，會做 iso-8xxx->unicode 的轉換。（在螢幕上顯示結果時會 unicode->GBK，不過不關這裡的事。）
這就有問題了，我在命令列下插入資料庫的中文字串是 GBK （這是簡體中文 windows 的預設），所以 jdbc driver 接受查詢結果時，應該做 GBK->unicode 的轉換才對。
驗證一下，對從資料庫中讀出的中文字串 s ，
new String( s.getByte("iso-8xxx"), "gbk" )
將 s 先做一個 unicode->iso-8xxx 轉換成它存放在資料庫中的原始模樣。我們知道它是 gbk ，所以手工來 gbk->unicode ，這樣 java 程式就顯式正常了。
類似，寫入資料庫的時候，我們期待 jdbc driver 會把 unicode->gbk ，結果卻是 unicode->iso-8xxx ，當然是亂碼了。


有很多文章，就到此為止，並告訴我們：要解決中文問題，自己手工轉碼吧。
這實在是不負責任。如果每一個字串都要手工轉碼，說明程式設計出了問題。
想一想，寫 mysql jdbc driver 的傢伙會連轉碼都不知道？
所以我看看 connector-j-3.0.7 裡面的 readme, 找到一個解決方案：
connection = DriverManager.getConnection( "jdbc:mysql://localhost/test?user=root&password=&useUnicode=true&characterEncoding=GBK" );
這是告訴 jdbc driver 強制按指定參數轉碼


其實還是有問題。如果 mysql server 一定得用 iso-8xxx ，那就只有用上一個辦法了。但我記得我的 mysql 是 gbk ，不是都改過 my.ini 了嗎？ jdbc driver 怎麼都不自動探測 mysql server 的字元集呢？
這個時候就看到開放源碼的好處了 :-) connector-j-3.0.7 源碼中確實有代碼讀取 mysql server 的資訊，包括字元集。從注釋中知道，
作者為 unicode 轉換到單一位元組字元集寫了自己的轉換函式，並號稱比 jvm 的快百分之多少多少。所以代碼中有一段，判段資料庫如果使用的是單位元組就調用自己的轉換函式。但這段代碼後面就忘了把多位元組字元集交給 jvm 去轉換了，所以變成了預設的 iso-8xxx 轉換。
我的修改方式： commysqljdbcConnecter.java 這個檔案的 1969 行，
this.doUnicode = true; // force the issue
將之上移四行到 1964 行，放在下面這一行的前面：
try {
用這份代碼重新編出來的 jdbc driver ，你的 java 訪問資料庫的程式不用做任何修改就可以正確讀寫中文了，不過要記得 mysql server 要 default-character-set=gbk
我使用它測試了幾個小程式，中文都顯示正常，而且都沒死機、異常。呵呵，自我感覺很好。