深入Mysql字符集设置[精华结合]
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； 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
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； • 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； • 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； MySQL字符集设置 • 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。 • 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。 MySQL中的字符集转换过程 1. MySQL Server收到请求时将请求数据从character_set_client转换为character_set_connection； 2. 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. 将操作结果从内部操作字符集转换为character_set_results。
常见问题解析 • 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……
在mysql客户端与mysql服务端之间，存在着一个字符集转换器。 character_set_client =>gbk：转换器就知道客户端发送过来的是gbk格式的编码 character_set_connection=>gbk：将客户端传送过来的数据转换成gbk格式 character_set_results =>gbk: 注：以上三个字符集可以使用set names gbk来统一进行设置 例子: create table test( name varchar(64) NOT NULL )charset utf8;#这里的utf8表示服务器端的字符编码 首先，往数据表test中插入一条数据 inert into test values('测试'); 则，数据“测试”在数据库中是以“utf8”格式保存的 过程：
将返回结果的格式设置为utf8，但是客户端接受的格式为gbk，因此会出现乱码
通过show character set 语法，可以显示所有可用的字符集 latin字符集
注意：Maxlen列显示用于存储一个字符的最大的字节数目。 utf8字符集
gbk字符集
从客户端发送过来的gbk数据，会被转成lantin1格式，因为gbk格式的数据占用的字符数较多，从而会造成数据丢失
总结：
character_set_client和character_set_results 一般情况下要一致，因为一个表示客户端发送的数据格式，另一个表示客户端接受的数据格式为了避免造成数据丢失，需让 character_set_connection的字符编码 大于 character_set_client的字符编码
