MySQL相关（二）——— 字符编码

在阅读代码的时候，经常看到遇到这样一句

$this->pdo->exec("SET NAMES '" . $config["charset"] . "'");

心生疑惑 ，“为什么在数据读写之前，要写这样一句”。

求助了一下搜索引擎，原来是为了避免乱码的出现。下面就来说说 MySQL 为什么会出现乱码以及解决乱码的方法

先明确几个概念

什么是字符集（character set）呢？mysql 的文档给了一个很容易理解的例子

假设有个包含4个字符的字母表 A,B,a,b。
给每个字母编一个号，A=0，B=1，a=2，b=3
这里的 A 就是 符号(symbol)，0 就是 A 的编码(encoding)
符号和符号对应的编码就组成了一个字符集

那么什么又是 collation 呢？

简单来说，它就是 order by 时，用来排序的规则。

字符集 utf8 下常用的 collation 有 utf8_general_ci、utf8__bin。

ci 指的就是case incensitive，大小写不敏感。比较时，a 和 A 是相同的

为什么会出现乱码？

MySQL 的中的字符集变量

• 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

客户端要读写数据库时，需要建立一条数据库连接 connection。

数据从客户端到服务端

数据在 connection 上，传输的过程中需要经过编码转换

character_set_client ---> character_set_connection ---> column_character_set
                                                   |--> table_character_set
                                                   |--> database_character_set
                                                   |--> character_set_server
                                                   |--> character_set_result
                                                

• 服务端收到客户端的数据时，认为客户端的数据编码为 character_ser_client
• 随后将从客户端接收到的数据，转换为 character_set_connection编码
• 在需要进行数据库内部操作（写到表等）的时候，将 character_set_connection 编码转换字段、表、数据库、服务器对应的编码类型
• 若以上值不存在，则转化为 character_set_results

数据从服务端到客户端

character_set_result ---> character_set_connection ---> character_set_client

为数据从客户端到服务端相反过程

可以看到转换过程中，有几个地方可能会产生乱码

• character_set_client 和真实的客户端编码不同
• client->server, server->client 两个过程中使用的编码不一致
• 编码转换不可逆，导致信息丢失

这里有解决办法

在进行连接后，就进行设置编码，之后的读写都不再改变

SET NAMES character_name 相当于

SET character_set_client = charset_name;
SET character_set_results = charset_name;
SET character_set_connection = charset_name;

这样可以解决上述的前连个问题

但是第三个问题，要看数转换的数据是否存在两个字符集之间的转换不可逆的字符

如有错误，还望指正！

参考

[1] 深入Mysql字符集设置