MYSQL中的字符集

MySQL数据库在字符集的处理上，可以说是相当灵活。以下是我在实际工作中关于字符集的设置与处理方面的一个总结。

　　一、显示字符集相关的变量值

　　mysql> show variables like 'chara%';

　　+--------------------------+-------------------------------------------+

　　| Variable_name | Value |

　　+--------------------------+-------------------------------------------+

　　| character_set_client | latin1 |

　　| character_set_connection | latin1 |

　　| character_set_database | latin1 |

　　| character_set_results | latin1 |

　　| character_set_server | latin1 |

　　| character_set_system | utf8 |

　　| character_sets_dir | d:\mysql-5.0.9-beta-win32\share\charsets/ |

　　+--------------------------+-------------------------------------------+

　　7 rows in set (0.02 sec)

　　mysql> show variables like 'collation%';

　　+----------------------+-------------------+

　　| Variable_name | Value |

　　+----------------------+-------------------+

　　| collation_connection | latin1_swedish_ci |

　　| collation_database | latin1_swedish_ci |

　　| collation_server | latin1_swedish_ci |

　　+----------------------+-------------------+

　　3 rows in set (0.00 sec)

　　需要说明的是： collation是与排序相关的字符集变量, 上述变量值是mysql

二、字符集相关各变量的意义

　　character_set_client: 客户端字符集(应用程序客户端使用的字符集)，实际上它与当前会话相关。

　　character_set_connection: 连接字符集，指的是mysql网络传输中使用的字符集，也与会话相关。

　　character_set_database: 指的数据库表中物理存储使用的字符集。

　　character_set_results: 指的是使用sql查询处理以后返回结果使用的字符集。

　　character_set_server:指的是mysql数据库服务器端使用的字符集。

　　character_set_system:指的是数据库中存储元信息使用的字符集。

　　collation_connection:意义可以类推

三、字符集的修改

　　我们可以对单个变量进行修改，如

　　set character_set_client=gbk

　　也可以使用set names 来同时修改几个变量, 如

　　set names 'gbk' 可一下子全部修改字符集

　　等价于：

　　SET character_set_client = x;

　　SET character_set_results = x;

　　SET character_set_connection = x;

　　值得注意的是：collation_connection变量缺省下与character_set_connection是相关联的，即

　　collation_connection取决于character_set_connection的值。

　　如：

　　mysql> set names 'gbk';

　　Query OK, 0 rows affected (0.08 sec)

　　mysql> show variables like 'chara%';

　　+--------------------------+-------------------------------------------+

　　| Variable_name | Value |

　　+--------------------------+-------------------------------------------+

　　| character_set_client | gbk |

　　| character_set_connection | gbk |

　　| character_set_database | latin1 |

　　| character_set_results | gbk |

　　| character_set_server | latin1 |

　　| character_set_system | utf8 |

　　| character_sets_dir | d:\mysql-5.0.9-beta-win32\share\charsets/ |

　　+--------------------------+-------------------------------------------+

　　7 rows in set (0.00 sec)

　　mysql> show variables like 'collation%';

　　+----------------------+-------------------+

　　| Variable_name | Value |

　　+----------------------+-------------------+

　　| collation_connection | gbk_chinese_ci |

　　| collation_database | latin1_swedish_ci |

　　| collation_server | latin1_swedish_ci |

　　+----------------------+-------------------+

　　3 rows in set (0.00 sec)

　　我们可以看到 set names 'gbk'改变了character_set_client, character_set_connection, character_set_results, collation_connection的值.

　　如果要单独指定collation_name，可以使用

　　SET NAMES 'charset_name' COLLATE 'collation_name'

　　另一种修改多个变量的命令是：

　　SET CHARACTER SET x 等价于：

　　SET character_set_client = x;

　　SET character_set_results = x;

　　SET collation_connection = @@collation_database;

　　你可以自己体验一下该命令带来的字符集变量值的变动。

　　那么character_set_server, character_set_database的值怎么修改呢?直接在命令行里修改是不起作用的。

　　最好的方式是在配置文件my.ini中直接修改，在[mysqld]项下边添加：

　　default_character_set=GBK

　　当然，你如果想尝试，使用mysqld-nt --default_character_set=GBK来启动数据库也未尝不可，但我并不推荐这么做。

　　my.ini文件的搜索顺序是：

　　在版本4.1.5之前，必须在c:\my.cnf or c:\Windows\my.in下边，这个有待检验。

　　在后续版本里，my.ini缺省就在mysql的安装目录下边。

　　强调一点：mysql --default-character-set=gbk -u root

　　或　mysql --defaults-file=c:\my.ini -u root

　　在my.ini中添加如下内容

　　[mysql] or [client]

　　default-character-set=gbk

　　或mysql -u root再执行set names 'gbk'

　　这三者效果完全一样。

　四、乱码的产生

　　乱码的产生主要是由于字符集变量设置的不一致造成的。

　　操作系统有一个在显示字符时要使用的locale变量,linux下使用locale命令可以看到。

　　windows下使用chcp可以看到，gbk对应的code page应该是936。

　　如果操作系统安装了当前字符集与目标字符集的转换表，则能正确显示目标字符集中的字符，否则就会出现乱码。

　　latin1对应的是iso8859_1字符集，默认情况下，可以与gbk相互转换，至少在操作系统一级是这样。

　　五.乱码的避免

　　最好让上述9个字符集变量值保持一致，或者至少"兼容"，同时也要考虑到OS中locale的值。

　　当然：character_set_system例外，它是存储和表示元信息使用的字符集，一般都是ascii串，使用utf8和使用latin1基本一样，但是，如果使用中文，可能就另当别论了。下边说的全部变量是指除了character_set_system以外的其它变量。

　　这里推荐三个方案：

　　1. 全部使用latin1

　　但是在java程序中，它担着一定的风险，即在入库之前，需要将字符串从gbk转换到iso8859_1，出库以后，获取结果时，再从iso8859_1转到gbk.

　　否则会出现乱码。

　　这种方式比较适合于C代码，显示依赖于操作系统的locale.一般都不用转换。

　　2. 全中文支持，全部设置成gbk.

　　方法：

　　在my.ini中修改添加:(这个是必须的)

　　[mysqld]

　　default-character-set=gbk

　　在java程序里边使用"jdbc:mysql://localhost:3306/test?useUnicode=true&characterEncoding=GBK"这样的url,表明使用GBK进行编码。

　　3. utf8字符集支持.

　　方法：

　　在my.ini中修改添加：

　　[mysqld]

　　default-character-set=utf8

　　在java程序里边使用"jdbc:mysql://localhost:3306/test?useUnicode=true&characterEncoding=UTF-8"这样的url,表明使用GBK进行编码。

　　注意utf8与UTF-8的分别.

　　utf8的好处是java虚拟机可以自动将它与gbk进行转换，因而显示都不会有乱码。可是在控制台下(cmd)，显示就有问题了

六.使用java代码显示字符集变量及测试字符集的显示

　　因为只是作测试用，所以没加修饰。测试时，只需要按照上述三个方法修改字符集即可。