MySQL乱码的原因和设置UTF8数据格式

MySQL使用时，有一件很痛苦的事情肯定是结果乱码。将编码格式都设置为UTF8可以解决这个问题，我们今天来说下为什么要这么设置，以及怎么设置。

MySQL字符格式

字符集

在编程语言中，我们为了防止中文乱码，会使用unicode对中文字符做处理，而为了降低网络带宽和节省存储空间，我们使用UTF8进行编码。对这两者有什么不同不够了解的同学，可以参考Unicode字符集和UTF8编码编码的前世今生这篇文章。

同样在MySQL中，我们也会有这样的处理，我们可以查看当前数据库设置的编码方式（字符集）：

mysql> show variables like '%char%';
+--------------------------+----------------------------------+
| Variable_name            | Value                            |
+--------------------------+----------------------------------+
| character_set_client     | latin1                           | 
| character_set_connection | latin1                           | 
| character_set_database   | latin1                           | 
| character_set_filesystem | binary                           | 
| character_set_results    | latin1                           | 
| character_set_server     | latin1                           | 
| character_set_system     | utf8                             | 
| character_sets_dir       | /usr/local/mysql/share/charsets/ | 
+--------------------------+----------------------------------+
8 rows in set (0.00 sec)

表中就是当前设置的字符集，先看不用关注的几个值：

character_set_filesystem | binary：文件系统上的存储格式，默认为binary（二进制）
character_set_system | utf8：系统的存储格式，默认为utf8
character_sets_dir | /usr/local/mysql/share/charsets/：可以使用的字符集的文件路径

剩下的几个就是日常影响读写乱码的参数了：
- character_set_client：客户端请求数据的字符集
- character_set_connection：从客户端接收到数据，然后传输的字符集
- character_set_database：默认数据库的字符集；如果没有默认数据库，使用character_set_server字段
- character_set_results：结果集的字符集
- character_set_server：数据库服务器的默认字符集

字符集的转换流程分为3步：

客户端请求数据库数据，发送的数据使用character_set_client字符集
MySQL实例收到客户端发送的数据后，将其转换为character_set_connection字符集
进行内部操作时，将数据字符集转换为内部操作字符集：
1. 使用每个数据字段的character set设定值
2. 若不存在，使用对应数据表的default character set设定值
3. 若不存在，使用对应数据库的default character set设定值
4. 若不存在，使用character_set_server设定值
将操作结果值从内部操作字符集转换为character_set_results

字符序

说字符序之前，我们需要了解一点基础知识：

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，case insensitive)、_cs(表示大小写敏感，case sensitive)或_bin(表示按编码值比较，binary)结尾。例如：在字符序“utf8_general_ci”下，字符“a”和“A”是等价的；

因此字符序不同于字符集，用于数据库字段的相等或大小比较。我们查看MySQL实例设置的字符序：

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)

跟utf8对应的常用字符序是：utf8_unicode_ci/utf8_general_ci和utf8_bin等，那么他们的区别是什么呢？

_bin是用二进制存储并比较，区别大小写，存储二进制内容时使用
utf8_general_ci：校对速度快，但准确度稍差，使用中英文时使用
utf8_unicode_ci：准确度高，但校对速度稍慢，使用德法俄等外语时使用

详细的区别可以参考 Mysql中的排序规则utf8_unicode_ci、utf8_general_ci的区别总结。

修改字符集和字符序

如果在MySQL连接时，出现了乱码的问题，那么基本可以确定是各个字符集/序设置不统一的原因。MySQL默认的latin1格式不支持中文，由于我们在中国，所以选择对中文和各语言支持都非常完善的utf8格式。所以，我们需要将需要关注的字符集和字符序都修改为utf8格式。

你也可以选择utf8mb4格式，这个格式支持保存emoji表情。

我们需要修改Mysql的配置文件，查看配置文件的位置有两种方式：

1. $ mysql --help | grep 'my.cnf'
   /etc/mysql/my.cnf /etc/my.cnf ~/.my.cnf 
2. ps aux | grep mysql

在(1)中，/etc/my.cnf, /etc/mysql/my.cnf, ~/.my.cnf 这些就是mysql默认会搜寻my.cnf的目录，优先级依次升高。可以在各个配置文件里都使用long_query_time 来测试一下。

然后，我们修改或新增下面的配置项：

# 下面注释的几行可以不设置，但如果你的没有生效，也可以试试看
[mysqld]
character_set_server=utf8
collation-server=utf8_general_ci
skip-character-set-client-handshake
#init_connect='SET NAMES utf8'

#[client]
#default-character-set=utf8

这三行配置就可以解决问题，最关键的是最后一行，参考mysql文档，使用该参数会忽略客户端传递的字符集信息，而直接使用服务端的设定；再加上我们设定服务端的字符集和字符序均为utf8，这样就保证了字符格式的统一，解决乱码的问题。

重启mysql服务，如果提示找不到服务，请参考用service命令管理mysql启停：

$ service mysqld restart
Shutting down MySQL..                                      [  OK  ]
Starting MySQL.                                            [  OK  ]

连接到mysql，查看当前编码：

mysql> show variables like '%char%';
+--------------------------+----------------------------------+
| Variable_name            | Value                            |
+--------------------------+----------------------------------+
| character_set_client     | utf8                             | 
| character_set_connection | utf8                             | 
| character_set_database   | utf8                             | 
| character_set_filesystem | binary                           | 
| character_set_results    | utf8                             | 
| character_set_server     | utf8                             | 
| character_set_system     | utf8                             | 
| character_sets_dir       | /usr/local/mysql/share/charsets/ | 
+--------------------------+----------------------------------+
8 rows in set (0.01 sec)

mysql> show variables like 'collation%';
+----------------------+-----------------+
| Variable_name        | Value           |
+----------------------+-----------------+
| collation_connection | utf8_general_ci | 
| collation_database   | utf8_general_ci | 
| collation_server     | utf8_general_ci | 
+----------------------+-----------------+
3 rows in set (0.01 sec)

可以看到一切都符合预期，请求和存储的数据也不再是乱码了。

遇到的问题

`unknown variable 'default-character-set=utf8'`

参考官方文档，该参数自5.5.3版本废弃，改为了character-set-server，改为这个参数即可。

但这个是在[mysqld]下的配置，在[client]下的配置依然使用default-character-set参数。

参考资料

MySQL连接校对：utf8_general_ci与utf8_unicode_ci有什么区别呢：https://segmentfault.com/q/10...
Unicode 和 UTF-8 有什么区别？：https://www.zhihu.com/questio...
深入Mysql字符集设置：http://www.laruence.com/2008/...
10.4 Connection Character Sets and Collations：https://dev.mysql.com/doc/ref...
ISO/IEC 8859-1：https://zh.wikipedia.org/wiki...
5.1.6 Server Command Options：https://dev.mysql.com/doc/ref...
用service命令管理mysql启停：https://segmentfault.com/a/11...
Unicode字符集和UTF8编码编码的前世今生：https://segmentfault.com/a/11...
Mysql中的排序规则utf8_unicode_ci、utf8_general_ci的区别总结：https://www.jb51.net/article/...