Press "Enter" to skip to content

深入Mysql字符集设置

Published on 5 January 2008 by laruence
根据Chaos  Wang的PPT整理而成， 在此再次感谢Chaos Wang的此次TechTalk

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。
图片1

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……
图片2
• 向默认字符集为latin1的数据表插入utf8编码的数据前设置了连接字符集为utf8
– 插入时根据连接字符集设置，character_set_client、character_set_connection和character_set_results均为utf8；
– 插入数据将经过utf8=>utf8=>latin1的字符集转换，若原始数据中含有\u0000~\u00ff范围以外的Unicode字 符，会因为无法在latin1字符集中表示而被转换为“?”(0x3F)符号，以后查询时不管连接字符集设置如何都无法恢复其内容了。
图片3

检测字符集问题的一些手段

• SHOW CHARACTER SET;
• SHOW COLLATION;
• SHOW VARIABLES LIKE 'character%';
• SHOW VARIABLES LIKE 'collation%';
• SQL函数HEX、LENGTH、CHAR_LENGTH
• SQL函数CHARSET、COLLATION

使用MySQL字符集时的建议

• 建立数据库/表和进行数据库操作时尽量显式指出使用的字符集，而不是依赖于MySQL的默认设置，否则MySQL升级时可能带来很大困扰；
• 数据库和连接字符集都使用latin1时虽然大部分情况下都可以解决乱码问题，但缺点是无法以字符为单位来进行SQL操作，一般情况下将数据库和连接字符集都置为utf8是较好的选择；
• 使用mysql C API时，初始化数据库句柄后马上用mysql_options设定MYSQL_SET_CHARSET_NAME属性为utf8，这样就不用显式地用 SET NAMES语句指定连接字符集，且用mysql_ping重连断开的长连接时也会把连接字符集重置为utf8；
• 对于mysql PHP API，一般页面级的PHP程序总运行时间较短，在连接到数据库以后显式用SET NAMES语句设置一次连接字符集即可；但当使用长连接时，请注意保持连接通畅并在断开重连后用SET NAMES语句显式重置连接字符集。

其他注意事项

• my.cnf中的default_character_set设置只影响mysql命令连接服务器时的连接字符集，不会对使用libmysqlclient库的应用程序产生任何作用！
• 对字段进行的SQL函数操作通常都是以内部操作字符集进行的，不受连接字符集设置的影响。
• SQL语句中的裸字符串会受到连接字符集或introducer设置的影响，对于比较之类的操作可能产生完全不同的结果，需要小心！

Filed in MySQL/PostgreSQL

54 Comments

  5. mysql/Java服务端对emoji的支持 - 算法网
    mysql/Java服务端对emoji的支持 - 算法网 October 1, 2019

    […] 特别说明下：collation_connection/collation_database/collation_server如果是utf8mb4_general_ci，没有关系。但必须保证character_set_client/character_set_connection/character_set_database/character_set_results/character_set_server为utf8mb4。关于这些字符集配置是干什么用的，有什么区别，请参考：深入Mysql字符集设置 […]

  9. MySQL/Java服务端对emoji表情的支持 - RedPPX-RedPPX
    MySQL/Java服务端对emoji表情的支持 - RedPPX-RedPPX December 6, 2018

    […] 特别说明下：collation_connection/collation_database/collation_server如果是utf8mb4_general_ci，没有关系。但必须保证character_set_client/character_set_connection/character_set_database/character_set_results/character_set_server为utf8mb4。关于这些字符集配置是干什么用的，有什么区别，请参考：深入Mysql字符集设置 […]

  12. mysql/Java服務端對emoji的支援 | 程式前沿
    mysql/Java服務端對emoji的支援 | 程式前沿 June 23, 2018

    […] 特別說明下：collation_connection/collation_database/collation_server如果是utf8mb4_general_ci，沒有關係。但必須保證character_set_client/character_set_connection/character_set_database/character_set_results/character_set_server為utf8mb4。關於這些字符集配置是幹什麼用的，有什麼區別，請參考：深入Mysql字符集設定 […]

  13. mysql支持emjo – x
    mysql支持emjo – x June 13, 2018

    […] 特别说明下：collation_connection/collation_database/collation_server如果是utf8mb4_general_ci，没有关系。但必须保证character_set_client/character_set_connection/character_set_database/character_set_results/character_set_server为utf8mb4。关于这些字符集配置是干什么用的，有什么区别，请参考：深入Mysql字符集设置 […]

  17. Madeleine74
    Madeleine74 January 4, 2017

    This blog is really interesting, but why it is on 15th place in google’s search results.
    It deserves to be in top 5. Many bloggers think that seo is dead in 2016, but it is not true.
    There is sneaky method to reach google’s top 5 that not many people know.
    Just search for: pandatsor’s tools

  18. xxx
    xxx November 14, 2016

    Hey, awesome best blog site. Much obliged.

  19. xnxx
    xnxx November 10, 2016

    It’s nearly impossible to find knowledgeable people for this topic, but you sound like you know what you’re talking about! Thanks
    Amateur Xxx Tube

  22. Jason
    Jason December 15, 2015

    图已裂！！！

  23. cola
    cola November 12, 2015

    图片打不开了

  26. 。。。
    。。。 May 20, 2015

    大家好，我是来挖坟的！

  27. mysql/Java服务端对emoji的支持 | Wu Wendong's Blog – Ilikewhite.com
    mysql/Java服务端对emoji的支持 | Wu Wendong's Blog – Ilikewhite.com July 24, 2014

    […] 特别说明下：collation_connection/collation_database/collation_server如果是utf8mb4_general_ci，没有关系。但必须保证character_set_client/character_set_connection/character_set_database/character_set_results/character_set_server为utf8mb4。关于这些字符集配置是干什么用的，有什么区别，请参考：深入Mysql字符集设置 […]

  28. mybigtree
    mybigtree May 14, 2014

    例2：mysql的latin1支持中文字符，“你”存到字段为latin1也是E4BDA0，这里解释的有问题。

  33. wangliang
    wangliang July 26, 2012

    对于第一个例子：
    是不是client设置对了就行，后面connection不论设置成什么，都能在connection =》 server的时候转回来。怕只是怕一开始把传入的utf8编码误认为latin1
    对于第二个例子
    utf8根本无法正确转化成latin1，就不能这么设置。

  34. Little何
    Little何 April 24, 2012

    看了您的博文，了解了好多，持续关注！

  36. Kyli
    Kyli April 23, 2011

    偶像级别呵呵，
    向你学习

  38. maker
    maker February 19, 2011

    今天从早上到现在一直都在看您的博文,获益匪浅,期待您更多的分享.

  41. Mesothelioma Cancer
    Mesothelioma Cancer September 29, 2010

    我想太多复杂的编码我想你应该上传视频教程。

  44. volew
    volew June 22, 2010

    • 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
    这个情况下关于“结果将经过utf8=>utf8的字符集转换.”我有个疑惑想请教一下.
    查询结果MYSQL不会按照 COLUMN CHARSET=》CONNECT CHARSET=》 RESULTS CHARSET
    的方式进行转化 即 utf8=> latin1 => latin1的转换么？

  45. Anonymous
    Anonymous June 21, 2010

    写得很详细,真是浅显易懂嗯

  46. qywyh
    qywyh April 12, 2010

    re！

  48. LungZeno
    LungZeno May 11, 2009

    題外話，語文中的最小表義單位為語素（morpheme），而非字元（character）。

  51. blankyao
    blankyao December 3, 2008

    如果可以的话，把ppt放出来看下吧，嘿嘿

    • 雪候鸟
      雪候鸟 December 4, 2008

      @blankyao, 早没了，，，，，

      • blankyao
        blankyao December 4, 2008

        @雪候鸟,这么好的资料竟然不保存 🙁

  52. jimmy
    jimmy November 4, 2008

    这篇文字我来回看了好几回,讲解的确实很精细.使我对编码的理解多了份帮助,其实做为一个小鸟,我由衷的期望laruence能在闲暇之际,写些对于初学者如何学习php相关的一些有帮助资料,教程.我知道你会很忙，所以总结出东西就显得尤为宝贵.

Comments are closed.