MySQL字符集基本概念和詳細設定

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符集(Character Set)。例如，給定字元列表為{’A',’B'}時，{’A'=>0, ‘B’=>1}就是一個字符集；
 字元序(Collation)是指在同一字符集內字元之間的比較規則；
 確定字元序後，才能在一個字符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符集，但一個字符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：以字元序對應的字符集名稱開頭；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字符集設定

 系統變數：
– character_set_server：預設的內部操作字符集
– character_set_client：客戶端來源資料使用的字符集
– character_set_connection：連線層字符集
– character_set_results：查詢結果字符集
– character_set_database：當前選中資料庫的預設字符集
– character_set_system：系統後設資料(欄位名等)字符集
– 還有以collation_開頭的同上面對應的變數，用來描述字元序。


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


MySQL中的字符集轉換過程


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轉換為內部操作字符集，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擴充套件，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符集轉換為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符集，因此使用表的資料集
          b 我們的表沒有指定字符集，預設使用資料庫存的字符集
          c 我們的資料庫在建立的時候沒有指定字符集，因此使用character_set_server設定值
          d 我們沒有特意去修改character_set_server的指定字符集，因此使用mysql預設
          e mysql預設的字符集是latin1，因此，我們使用了latin1字符集，而我們character_set_connection的字符集是UTF-8，插入中文亂碼也再所難免了。


常見問題解析
 FAQ-1 向預設字符集為utf8的資料表插入utf8編碼的資料前沒有設定連線字符集，查詢時設定連線字符集為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的字符集轉換過程，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的字符集轉換過程，將儲存的6個位元組原封不動返回，產生亂碼。參考下圖： 
 向預設字符集為latin1的資料表插入utf8編碼的資料前設定了連線字符集為utf8（我們遇到的錯誤就是屬於這一種）
     – 插入時根據連線字符集設定，character_set_client、character_set_connection和character_set_results均為utf8；
     --插入資料將經過utf8=>utf8=>latin1的字符集轉換，若原始資料中含有\u0000~\u00ff範圍以外的Unicode字元，會因為無法在latin1字符集中表示而被轉換為“?”(0×3F)符號，
以後查詢時不管連線字符集設定如何都無法恢復其內容了。轉換過程如下圖：  


 
檢測字符集問題的一些手段
      SHOW CHARACTER SET;
      SHOW COLLATION;
      SHOW VARIABLES LIKE ‘character%’;
      SHOW VARIABLES LIKE ‘collation%’;
      SQL函式HEX、LENGTH、CHAR_LENGTH
      SQL函式CHARSET、COLLATION
 
使用MySQL字符集時的建議
     建立資料庫/表和進行資料庫操作時儘量顯式指出使用的字符集，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；
     資料庫和連線字符集都使用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連線字符集都置為utf8是較好的選擇；
     使用mysql CAPI（mysql提供C語言操作的API）時，初始化資料庫控制程式碼後馬上用mysql_options設定MYSQL_SET_CHARSET_NAME屬性為utf8，這樣就不用顯式地用SET NAMES語句指定連線字符集，
且用mysql_ping重連斷開的長連線時也會把連線字符集重置為utf8；
     對於mysql PHP API，一般頁面級的PHP程式總執行時間較短，在連線到資料庫以後顯式用SET NAMES語句設定一次連線字符集即可；但當使用長連線時，請注意保持連線通暢並在斷開重連後用
SET NAMES語句顯式重置連線字符集。
 
其他注意事項
     my.cnf中的default_character_set設定隻影響mysql命令連線伺服器時的連線字符集，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函式操作通常都是以內部操作字符集進行的，不受連線字符集設定的影響。
     SQL語句中的裸字串會受到連線字符集或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的時候指定字符集，不要去透過修改預設配置來達到目的，當然你也可以採用
指定表的字符集的形式，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。
 
    雖然不提倡透過修改mysql的預設字符集來解決，但對於如何去修改預設字符集，我這裡還是給出一些方法，僅供大家參考。
 
MySQL預設字符集
MySQL對於字符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符集，這個字符集是 latin1；
    (2)安裝MySQL 時，可以在配置檔案 (my.ini) 中指定一個預設的的字符集，如果沒指定，這個值繼承自編譯時指定的；
    (3)啟動mysqld 時，可以在命令列引數中指定一個預設的的字符集，如果沒指定，這個值繼承自配置檔案中的配置,此時 character_set_server 被設定為這個預設的字符集；
    (4)安裝 MySQL選擇多語言支援，安裝程式會自動在配置檔案中把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。
檢視預設字符集
    (預設情況下，mysql的字符集是latin1(ISO_8859_1)，如何檢視在上面我們已經給出了相關命令
修改預設字符集
(1) 最簡單的修改方法，就是修改mysql的my.ini檔案中的字符集鍵值，
     如    default-character-set = utf8
      character_set_server =  utf8
     修改完後，重啟mysql的服務
(2) 還有一種修改字符集的方法，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 ;
 
    設定了表的預設字符集為utf8並且透過UTF-8編碼傳送查詢，存入資料庫的仍然是亂碼。那connection連線層上可能出了問題。解決方法是在傳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;