深入Mysql字符集設置
- 作者: Laruence(
) - 本文地址: http://www.laruence.com/2008/01/05/12.html
- 轉載請註明出處
根據Chaos Wang的PPT整理而成， 在此再次感謝Chaos Wang的此次TechTalk
基本概念
? 字符(Character)是指人類語言中最小的表義符號。例如’A‘、’B‘等；
? 給定一系列字符，對每個字符賦予一個數值，用數值來代表對應的字符，這一數值就是字符的編碼(Encoding)。例如，我們給字符’A‘賦予數值0，給字符’B‘賦予數值1，則0就是字符’A‘的編碼；
? 給定一系列字符並賦予對應的編碼後，所有這些字符和編碼對組成的集合就是字符集(Character Set)。例如，給定字符列表為{‘A’,‘B’}時，{‘A’=>0, ‘B’=>1}就是一個字符集；
? 字符序(Collation)是指在同一字符集內字符之間的比較規則；
? 確定字符序後，才能在一個字符集上定義什麽是等價的字符，以及字符之間的大小關系；
? 每個字符序唯一對應一種字符集，但一個字符集可以對應多種字符序，其中有一個是默認字符序(Default Collation)；
? MySQL中的字符序名稱遵從命名慣例：以字符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：在字符序“utf8_general_ci”下，字符“a”和“A”是等價的；
MySQL字符集設置
? 系統變量：
– character_set_server
– character_set_client：客戶端來源數據使用的字符集
– character_set_connection：連接層字符集
– character_set_results：查詢結果字符集
– character_set_database：當前選中數據庫的默認字符集
– character_set_system：系統元數據(字段名等)字符集
– 還有以collation_開頭的同上面對應的變量，用來描述字符序。
? 用introducer指定文本字符串的字符集：
– 格式為：[_charset] ‘string’ [COLLATE collation]
– 例如：
? SELECT _latin1 ‘string’;
? SELECT _utf8 ‘你好’ COLLATE utf8_general_ci;
– 由introducer修飾的文本字符串在請求過程中不經過多余的轉碼，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收到請求時將請求數據從character_set_client轉換為character_set_connection；
2. 進行內部操作前將請求數據從character_set_connection轉換為內部操作字符集，其確定方法如下：
? 使用每個數據字段的CHARACTER SET設定值；
? 若上述值不存在，則使用對應數據表的DEFAULT CHARACTER SET設定值(MySQL擴展，非SQL標準)；
? 若上述值不存在，則使用對應數據庫的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。
常見問題解析
? 向默認字符集為utf8的數據表插入utf8編碼的數據前沒有設置連接字符集，查詢時設置連接字符集為utf8
– 插入時根據MySQL服務器的默認設置，character_set_client、character_set_connection和character_set_results均為latin1；
– 插入操作的數據將經過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個字節變成6個字節保存；
– 查詢時的結果將經過utf8=>utf8的字符集轉換過程，將保存的6個字節原封不動返回，產生亂碼……
? 向默認字符集為latin1的數據表插入utf8編碼的數據前設置了連接字符集為utf8
– 插入時根據連接字符集設置，character_set_client、character_set_connection和character_set_results均為utf8；
– 插入數據將經過utf8=>utf8=>latin1的字符集轉換，若原始數據中含有\u0000~\u00ff範圍以外的Unicode字 符，會因為無法在latin1字符集中表示而被轉換為“?”(0x3F)符號，以後查詢時不管連接字符集設置如何都無法恢復其內容了。
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函數HEX、LENGTH、CHAR_LENGTH
? SQL函數CHARSET、COLLATION
使用MySQL字符集時的建議
? 建立數據庫/表和進行數據庫操作時盡量顯式指出使用的字符集，而不是依賴於MySQL的默認設置，否則MySQL升級時可能帶來很大困擾；
? 數據庫和連接字符集都使用latin1時雖然大部分情況下都可以解決亂碼問題，但缺點是無法以字符為單位來進行SQL操作，一般情況下將數據庫和連接字符集都置為utf8是較好的選擇；
? 使用mysql C API時，初始化數據庫句柄後馬上用mysql_options設定MYSQL_SET_CHARSET_NAME屬性為utf8，這樣就不用顯式地用 SET NAMES語句指定連接字符集，且用mysql_ping重連斷開的長連接時也會把連接字符集重置為utf8；
? 對於mysql PHP API，一般頁面級的PHP程序總運行時間較短，在連接到數據庫以後顯式用SET NAMES語句設置一次連接字符集即可；但當使用長連接時，請註意保持連接通暢並在斷開重連後用SET NAMES語句顯式重置連接字符集。
其他註意事項
? my.cnf中的default_character_set設置只影響mysql命令連接服務器時的連接字符集，不會對使用libmysqlclient庫的應用程序產生任何作用！
? 對字段進行的SQL函數操作通常都是以內部操作字符集進行的，不受連接字符集設置的影響。
? SQL語句中的裸字符串會受到連接字符集或introducer設置的影響，對於比較之類的操作可能產生完全不同的結果，需要小心！
深入Mysql字符集設置