MYSQL字符集中文乱码剖析

发表于2014-08-29 15:32  |  次阅读  |  0条评论  |   作者:admin

问题描述 
假设有三个表test_gbk,test_utf8,test_latin1,创建的时候字符集分别为gbk,utf8,latin1。表结构为
+-------+--------------+------+-----+---------+-------+
| Field | Type         | Null | Key | Default | Extra |
+-------+--------------+------+-----+---------+-------+
| name  | varchar(512) | YES  |     | NULL    |       | 
+-------+--------------+------+-----+---------+-------+
"中"字的gbk 16进制表示为:0xd6 d0;utf8 16进制表示为:0xe4 b8 ad

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?

原理篇
字符集介绍
为了解释上述问题,首先要了解字符集为何物。字符集也叫字符编码,就是将字符集合一一映射成一个数。以下简单介绍一下几种字符集:

基础ASCII编码:
0x00-0x7F表示所有的大写和小写字母,数字0 到9、标点符号, 以及在美式英语中使用的特殊控制字符。 

latin1编码:
单字节编码,编码范围是0x00-0xFF,0x00-0x7F,和ASCII保持一致,0x80-0x9F之间是控制字符,0xA0-0xFF之间是文字符号。 

gbk编码:
使用一字节和双字节编码,0x00–0x7F范围内是一位,和ASCII保持一致。双字节的第一字节范围是0x81-0xFE(不含0x80和0xFF)。

utf8编码:
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。

字符集编码转换举例:0xB1(latin-1) -> '±' -> 0xC2 B1 (utf8)

两个重要的点
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。

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。
本站关键字:sunny90 web开发 数据库 移动开发 服务器 Nginx Mysql PHP
Copyright © sunny90版权所有 power by sunny90.com  
湘ICP备14012284号-1,粤公网安备 44030602000307号