mysql字符乱码详解

  在处理mysql中文时，我们常常遇到字符编码的问题，本来主要讲解其乱码产生的原因，并给出解决方案。

  字符原理

    Latin1是ISO-8859-1的别名是单字节编码，向下兼容ASCII，其编码范围是0x00-0xFF，0x00-0x7F之间完全和ASCII一致，0x80-0x9F之间是控制字符，0xA0-0xFF之间是文字符号

     GBK总体编码范围为 8140-FEFE，首字节在 81-FE 之间，尾字节在 40-FE 之间，剔除 xx7F 一条线。

     UTF8使用一至四字节编码，0x00–0x7F范围内是一位，和ASCII保持一致。其它字符用二至四个字节变长表示。

    提示

     1、0x00-0x7F区间，上述字符集是一致的，也就是说英文字符无需转码。

     2、不同编码，字符集合不完全一样，存在某字符集的字符无法映射到另外一个字符集。

          比如gbk编码中的中文字符，转成latin-1编码时，就找不到对应的二进制编码。Mysql做字符集转换的时候，gbk中文字符-               >latin-1，很多就转成'?'号（0x3f），这种大集合转成小集合，基本是不可逆的。

     实验

•     首先用show variables like ‘character%’ 查看mysql支持的中文编码，结果如下

           

•    创建三个表test_gbk,test_utf8,test_latin1，创建的时候字符集分别为gbk,utf8,latin1。表结构为

           

          创建的sql语句

           create table test_gbk (

                         name varchar(100) not null

            )engine = myisam character set gbk;    

• 问题1

  -----------------------------------

  执行下列语句: 

  set names 'latin1'; 

  insert into test_latin1 values( '中'); //此处'中'为gbk格式

  select name from test_latin1;

  结果是乱码，还是正常显示？

   

  问题2

  -------------------------------------

  执行下列语句：

  set names 'gbk'; 

  insert into test_latin1 values( '中'); //此处'中'为gbk格式

  select name from test_latin1;

  结果是乱码，还是正常显示？

   

  问题3

  -------------------------------------

  执行下列语句：

  set names 'latin1'; 

  insert into test_utf8 values( '中'); //此处'中'为gbk格式

  select name from test_utf8;

  结果是乱码，还是正常显示？  

• mysql执行过程

        对一个mysql的执行过程，字符集转换，一般涉及到一下三个步骤：

        1、收到请求，将请求数据从 character_set_client -> character_set_connection。

        2、内部操作，将数据从character_set_connection -> 表创建的字符集。

        3、结果输出，将数据从表创建的字符集 -> character_set_results。 

        当执行set names "charset"; 相当于把        

         character_set_client, character_set_connection,character_set_results 统一设置为"charset"。

 

• 终端显示字符集

        此外如果你用securecrt终端来显示的话，如果不想乱码的话，appearance->character encoding也需要设置           成正确的字符集。

------------------------------------------------问题详解----------------------------------------------------------

问题1

-----------------------------------

执行下列语句: 

set names 'latin1'; 

insert into test_latin1 values( '中'); //此处'中'为gbk格式

select name from test_latin1;

结果是乱码，还是正常显示？

答：结果是正常显示。

 

执行流程如下：

1、set names 'latin1'；相当于把character_set_client, character_set_connection,character_set_results 统一设置为'latin1'。

2、Character_set_client告诉mysql server，传入的是一个latin1编码的，也就是单字节流，'中'这个输入，其实当作了0xD6 D0传入。

3、因为character_set_client -> character_set_connection -> table charset -> character_set_results为 latin1 -> latin1 -> latin1 -> latin1， 编码完全一致，数据没有做任何转换，所以输入是0xD6 D0，最后的输出也还原为0xD6 D0。

4、如果你的securecrt的显示字符集设置为gbk，那么最后的输出0xD6 D0就会显示成'中'。

 

问题2

-------------------------------------

执行下列语句：

set names 'gbk'; 

insert into test_latin1 values( '中'); //此处'中'为gbk格式

select name from test_latin1;

结果是乱码，还是正常显示？

答：结果是乱码。

 

执行流程如下：

1、set names 'gbk'；相当于把character_set_client, character_set_connection,character_set_results 统一设置为'gbk'。

2、Character_set_client告诉mysql server，传入的是一个gbk编码的，'中'这个输入，当作了0xD6 D0传入。

3、因为character_set_client -> character_set_connection -> table charset -> character_set_results为 gbk-> gbk-> latin1 -> gbk， 其中gbk-> latin1的时候，因为'中'这个字符在latin1字符集里找不到，就会转换成'?'号(0x3F)，然后latin1->gbk，'?'号在gbk字符集里面也是0x3F，最后输出就是0x3F，即'?'号。

 

问题3

-------------------------------------

执行下列语句：

set names 'latin1'; 

insert into test_utf8 values( '中'); //此处'中'为gbk格式

select name from test_utf8;

结果是乱码，还是正常显示？

答：正常显示。

 

执行流程如下：

1、set names 'latin1'；相当于把character_set_client, character_set_connection,character_set_results 统一设置为'latin1'。

2、Character_set_client告诉mysql server，传入的是一个latin1编码的，'中'这个输入，当作了0xD6 D0传入。

3、因为character_set_client -> character_set_connection -> table charset -> character_set_results为 latin1-> latin1-> utf8 -> latin1， 其中latin1-> utf8的时候，输入'中' （0xD6 D0）会当作两个字符进行utf8转换，转换为0xC3 96 C3 90，然后utf8->latin1的时候，会把0xC3 96转换成0xD6, 0xC3 90转成0x D0，最后输出0xD6 D0。负负得正，之所以数据没有失真的原因是因为小集合往大集合转，再转回来，操作可逆。

4、如果你的securecrt的显示字符集设置为gbk，那么最后的输出0xD6 D0就会显示成'中'。

 

--------------------------------------------------终极解决方案----------------------------------------------------

从上面的问题执行流程来看，有没有终极解决方案呢？其实很简单，表创建的字符集和set names都设置成同一个字符集，就基本可以满足输入数据不会在转换过程中失真，也就是说输入是什么，输出就是什么。建议有中文的都设置成utf8字符集，一劳永逸。