一、基本概念
字符:(Character)是指人类语言中最小的表义符号。例如’A'、’B'等;
编码:给定一系列字符,对每个字符赋予一个数值,用数值来代表对应的字符,这一数值就是字符的编码(Encoding)。例如,我们给字符’A'赋予数值0,给字符’B'赋予数值1,则0就是字符’A'的编码;
字符集:给定一系列字符并赋予对应的编码后,所有这些字符和编码对组成的集合就是字符集(Character Set)。例如,给定字符列表为{‘A’,'B’}时,{‘A’=>0, ‘B’=>1}就是一个字符集;
字符序:(Collation)是指在同一字符集内字符之间的比较规则;
确定字符序后,才能在一个字符集上定义什么是等价的字符,以及字符之间的大小关系;
每个字符序唯一对应一种字符集,但一个字符集可以对应多种字符序,其中有一个是默认字符序(Default Collation);
MySQL中的字符序名称遵从命名惯例:以字符序对应的字符集名称开头;以_ci(表示大小写不敏感)、_cs(表示大小写敏感)或_bin(表示按编码值比较)结尾。例如:在字符序“utf8_general_ci”下,字符“a”和“A”是等价的;
二、字符集设置
2.1、系统变量
character_set_server:默认的内部操作字符集
character_set_client:客户端来源数据使用的字符集
character_set_connection:连接层字符集
character_set_results:查询结果字符集
character_set_database:当前选中数据库的默认字符集
character_set_system:系统元数据(字段名等)字符集
还有以collation_开头的同上面对应的变量,用来描述字符序。
2.2、用introducer指定文本字符串的字符集
格式为:
[_charset] 'string' [COLLATE collation]
例如:
SELECT _latin1 'string';
SELECT _utf8 '你好' COLLATE utf8_general_ci;
由introducer修饰的文本字符串在请求过程中不经过多余的转码,直接转换为内部字符集处理。
三、字符集转换过程
3.1、character_set_client 和 character_set_connection
MySQL Server收到请求时将请求数据从character_set_client转换为character_set_connection。
3.2、内部操作字符集
进行内部操作前将请求数据从character_set_connection转换为内部操作字符集,其确定方法如下:
使用每个数据字段的CHARACTER SET设定值;
若上述值不存在,则使用对应数据表的DEFAULT CHARACTER SET设定值(MySQL扩展,非SQL标准);
若上述值不存在,则使用对应数据库的DEFAULT CHARACTER SET设定值;
若上述值不存在,则使用character_set_server设定值。
3.3、character_set_results
将操作结果从内部操作字符集转换为character_set_results。
四、常见问题解析
4.1、问题1
向默认字符集为utf8的数据表插入utf8编码的数据前没有设置连接字符集,查询时设置连接字符集为utf8
插入时根据MySQL服务器的默认设置,character_set_client、character_set_connection和character_set_results均为latin1;
插入操作的数据将经过latin1=>latin1=>utf8的字符集转换过程,这一过程中每个插入的汉字都会从原始的3个字节变成6个字节保存;
查询时的结果将经过utf8=>utf8的字符集转换过程,将保存的6个字节原封不动返回,产生乱码……
4.2、问题2
向默认字符集为latin1的数据表插入utf8编码的数据前设置了连接字符集为utf8
插入时根据连接字符集设置,character_set_client、character_set_connection和character_set_results均为utf8;
插入数据将经过utf8=>utf8=>latin1的字符集转换,若原始数据中含有\u0000~\u00ff范围以外的Unicode字 符,会因为无法在latin1字符集中表示而被转换为“?”(0x3F)符号,以后查询时不管连接字符集设置如何都无法恢复其内容了。
4.3、mysql 设置了字符集 utf8mb4 插入 emoji 字符
①、设置数据库字符集
alter database 数据库名 character set utf8mb4;
②、设置 character_set_client、character_set_connection、character_set_results 为 utf8mb4
set character_set_client = utf8mb4;
set character_set_connection= utf8mb4;
set character_set_results = utf8mb4;
③、插入和查询语句之前
set names utf8mb4
注:A、mysql 5.5 以上才支持 utf8mb4
B、thinkphp 框架在 config.php配置
'DB_CHARSET'=>'utf8mb4'
C、其实可以插入数据库的时候 base64_encode,查询的时候 base64_decode
五、检测字符集问题
5.1、sql 语句
SHOW CHARACTER SET;
SHOW COLLATION;
SHOW VARIABLES LIKE ‘character%’;
SHOW VARIABLES LIKE ‘collation%’;
SQL函数HEX、LENGTH、CHAR_LENGTH
SQL函数CHARSET、COLLATION使用MySQL字符集时的建议
5.2、注意事项
建立数据库/表和进行数据库操作时尽量显式指出使用的字符集,而不是依赖于MySQL的默认设置,否则MySQL升级时可能带来很大困扰;
数据库和连接字符集都使用latin1时虽然大部分情况下都可以解决乱码问题,但缺点是无法以字符为单位来进行SQL操作,一般情况下将数据库和连接字符集都置为utf8是较好的选择;
使用mysql C API时,初始化数据库句柄后马上用mysql_options设定MYSQL_SET_CHARSET_NAME属性为utf8,这样就不用显式地用 SET NAMES语句指定连接字符集,且用mysql_ping重连断开的长连接时也会把连接字符集重置为utf8;
对于mysql PHP API,一般页面级的PHP程序总运行时间较短,在连接到数据库以后显式用SET NAMES语句设置一次连接字符集即可;但当使用长连接时,请注意保持连接通畅并在断开重连后用SET NAMES语句显式重置连接字符集。
my.cnf中的default_character_set设置只影响mysql命令连接服务器时的连接字符集,不会对使用libmysqlclient库的应用程序产生任何作用!
对字段进行的SQL函数操作通常都是以内部操作字符集进行的,不受连接字符集设置的影响。
SQL语句中的裸字符串会受到连接字符集或introducer设置的影响,对于比较之类的操作可能产生完全不同的结果,需要小心!
六、修改字符编码
6.1、修改数据库字符编码
alter database mydb character set utf8 ;
6.2、创建数据库时,指定数据库的字符编码
create database mydb character set utf8 ;
6.3、查看mysql数据库的字符编码
mysql> show variables like 'character%';
+--------------------------+-------------------------------------------------------------+
| Variable_name | Value |
+--------------------------+-------------------------------------------------------------+
| character_set_client | gbk |
| character_set_connection | gbk |
| character_set_database | utf8 |
| character_set_filesystem | binary |
| character_set_results | gbk |
| character_set_server | utf8 |
| character_set_system | utf8 |
| character_sets_dir | F:\Program Files\phpStudy\PHPTutorial\MySQL\share\charsets\ |
+--------------------------+-------------------------------------------------------------+
6.4、修改mysql数据库的字符编码
修改字符编码必须要修改mysql的配置文件my.cnf,然后重启才能生效
通常需要修改my.cnf的如下几个地方:
【client】下面,加上default-character-set=utf8,或者character_set_client=utf8
【mysqld】下面,加上character_set_server = utf8 ;
因为以上配置,mysql默认是latin1,如果仅仅是通过命令行客户端,mysql重启之后就不起作用了。
如下是客户端命令行修改方式,不推荐使用
set character_set_client=utf8;
set character_set_connection=utf8;
set character_set_database=utf8;
set character_set_database=utf8;
set character_set_results=utf8;
set character_set_server=utf8;
set character_set_system=utf8;
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 | F:\Program Files\phpStudy\PHPTutorial\MySQL\share\charsets\ |
+--------------------------+-------------------------------------------------------------+