MySQL字符集 GBK、GB2312、UTF8區(qū)別 解決MYSQL中文亂碼問題
2024-07-24 13:01:50
供稿：網(wǎng)友
MySQL中涉及的幾個字符集
character-set-server/default-character-set：服務器字符集，默認情況下所采用的。
character-set-database：數(shù)據(jù)庫字符集。
character-set-table：數(shù)據(jù)庫表字符集。
優(yōu)先級依次增加。所以一般情況下只需要設置character-set-server，而在創(chuàng)建數(shù)據(jù)庫和表時不特別指定字符集，這樣統(tǒng)一采用character-set-server字符集。
character-set-client：客戶端的字符集。客戶端默認字符集。當客戶端向服務器發(fā)送請求時，請求以該字符集進行編碼。
character-set-results：結(jié)果字符集。服務器向客戶端返回結(jié)果或者信息時，結(jié)果以該字符集進行編碼。
在客戶端，如果沒有定義character-set-results，則采用character-set-client字符集作為默認的字符集。所以只需要設置character-set-client字符集。
要處理中文，則可以將character-set-server和character-set-client均設置為GB2312，如果要同時處理多國語言，則設置為UTF8。
關于MySQL的中文問題
解決亂碼的方法是，在執(zhí)行SQL語句之前，將MySQL以下三個系統(tǒng)參數(shù)設置為與服務器字符集character-set-server相同的字符集。
character_set_client：客戶端的字符集。
character_set_results：結(jié)果字符集。
character_set_connection：連接字符集。
設置這三個系統(tǒng)參數(shù)通過向MySQL發(fā)送語句：set names gb2312
關于GBK、GB2312、UTF8
UTF-8：Unicode Transformation Format-8bit，允許含BOM，但通常不含BOM。是用以解決國際上字符的一種多字節(jié)編碼，它對英文使用8位（即一個字節(jié)），中文使用24為（三個字節(jié)）來編碼。UTF-8包含全世界所有國家需要用到的字符，是國際編碼，通用性強。UTF-8編碼的文字可以在各國支持UTF8字符集的瀏覽器上顯示。如，如果是UTF8編碼，則在外國人的英文IE上也能顯示中文，他們無需下載IE的中文語言支持包。
GBK是國家標準GB2312基礎上擴容后兼容GB2312的標準。GBK的文字編碼是用雙字節(jié)來表示的，即不論中、英文字符均使用雙字節(jié)來表示，為了區(qū)分中文，將其最高位都設定成1。GBK包含全部中文字符，是國家編碼，通用性比UTF8差，不過UTF8占用的數(shù)據(jù)庫比GBD大。
GBK、GB2312等與UTF8之間都必須通過Unicode編碼才能相互轉(zhuǎn)換：
GBK、GB2312－－Unicode－－UTF8
UTF8－－Unicode－－GBK、GB2312
對于一個網(wǎng)站、論壇來說，如果英文字符較多，則建議使用UTF－8節(jié)省空間。不過現(xiàn)在很多論壇的插件一般只支持GBK。
GB2312是GBK的子集，GBK是GB18030的子集
GBK是包括中日韓字符的大字符集合
如果是中文的網(wǎng)站 推薦GB2312 GBK有時還是有點問題
為了避免所有亂碼問題，應該采用UTF-8，將來要支持國際化也非常方便
UTF-8可以看作是大字符集，它包含了大部分文字的編碼。
使用UTF-8的一個好處是其他地區(qū)的用戶（如香港臺灣）無需安裝簡體中文支持就能正常觀看你的文字而不會出現(xiàn)亂碼。
gb2312是簡體中文的碼
gbk支持簡體中文及繁體中文
big5支持繁體中文
utf-8支持幾乎所有字符
首先分析亂碼的情況
1.寫入數(shù)據(jù)庫時作為亂碼寫入
2.查詢結(jié)果以亂碼返回
究竟在發(fā)生亂碼時是哪一種情況呢？
我們先在mysql 命令行下輸入
show variables like '%char%';
查看mysql 字符集設置情況:
mysql> show variables like '%char%';
+--------------------------+----------------------------------------+
| Variable_name | Value |
+--------------------------+----------------------------------------+
| character_set_client | gbk |
| character_set_connection | gbk |
| character_set_database | gbk |
| character_set_filesystem | binary |
| character_set_results | gbk |
| character_set_server | gbk |
| character_set_system | utf8 |
| character_sets_dir | /usr/local/mysql/share/mysql/charsets/ |
+--------------------------+----------------------------------------+
在查詢結(jié)果中可以看到mysql 數(shù)據(jù)庫系統(tǒng)中客戶端、數(shù)據(jù)庫連接、數(shù)據(jù)庫、文件系統(tǒng)、查詢
結(jié)果、服務器、系統(tǒng)的字符集設置
在這里，文件系統(tǒng)字符集是固定的，系統(tǒng)、服務器的字符集在安裝時確定，與亂碼問題無關
亂碼的問題與客戶端、數(shù)據(jù)庫連接、數(shù)據(jù)庫、查詢結(jié)果的字符集設置有關
*注：客戶端是看訪問mysql 數(shù)據(jù)庫的方式，通過命令行訪問，命令行窗口就是客戶端，通
過JDBC 等連接訪問，程序就是客戶端
我們在向mysql 寫入中文數(shù)據(jù)時，在客戶端、數(shù)據(jù)庫連接、寫入數(shù)據(jù)庫時分別要進行編碼轉(zhuǎn)
換
在執(zhí)行查詢時，在返回結(jié)果、數(shù)據(jù)庫連接、客戶端分別進行編碼轉(zhuǎn)換
現(xiàn)在我們應該清楚，亂碼發(fā)生在數(shù)據(jù)庫、客戶端、查詢結(jié)果以及數(shù)據(jù)庫連接這其中一個或多
個環(huán)節(jié)
接下來我們來解決這個問題
在登錄數(shù)據(jù)庫時，我們用mysql --default-character-set=字符集-u root -p 進行連接，這時我們
再用show variables like '%char%';命令查看字符集設置情況，可以發(fā)現(xiàn)客戶端、數(shù)據(jù)庫連接、
查詢結(jié)果的字符集已經(jīng)設置成登錄時選擇的字符集了
如果是已經(jīng)登錄了，可以使用set names 字符集;命令來實現(xiàn)上述效果，等同于下面的命令：
set character_set_client = 字符集
set character_set_connection = 字符集
set character_set_results = 字符集
如果是通過JDBC 連接數(shù)據(jù)庫，可以這樣寫URL：
URL=jdbc:mysql://localhost:3306/abs?useUnicode=true&characterEncoding=字符集
JSP 頁面等終端也要設置相應的字符集
數(shù)據(jù)庫的字符集可以修改mysql 的啟動配置來指定字符集，也可以在create database 時加上
default character set 字符集來強制設置database 的字符集
通過這樣的設置，整個數(shù)據(jù)寫入讀出流程中都統(tǒng)一了字符集，就不會出現(xiàn)亂碼了
為什么從命令行直接寫入中文不設置也不會出現(xiàn)亂碼？
可以明確的是從命令行下，客戶端、數(shù)據(jù)庫連接、查詢結(jié)果的字符集設置沒有變化
輸入的中文經(jīng)過一系列轉(zhuǎn)碼又轉(zhuǎn)回初始的字符集，我們查看到的當然不是亂碼
但這并不代表中文在數(shù)據(jù)庫里被正確作為中文字符存儲
舉例來說，現(xiàn)在有一個utf8 編碼數(shù)據(jù)庫，客戶端連接使用GBK 編碼，connection 使用默認
的ISO8859-1（也就是mysql 中的latin1），我們在客戶端發(fā)送“中文”這個字符串，客戶端
將發(fā)送一串GBK 格式的二進制碼給connection 層，connection 層以ISO8859-1 格式將這段
二進制碼發(fā)送給數(shù)據(jù)庫，數(shù)據(jù)庫將這段編碼以utf8 格式存儲下來，我們將這個字段以utf8
格式讀取出來，肯定是得到亂碼，也就是說中文數(shù)據(jù)在寫入數(shù)據(jù)庫時是以亂碼形式存儲的，
在同一個客戶端進行查詢操作時，做了一套和寫入時相反的操作，錯誤的utf8 格式二進制
碼又被轉(zhuǎn)換成正確的GBK 碼并正確顯示出來。
