28、MySQL字符集参数详解

前言：

需要明确的地方

• 问1：utf-8与gbk互相转换会出现乱码吗？
  答：不会！！！

• 问2：那么两个不同的编码是如何实现互相转化的呢？
  答：
  通过Unicode作为中间人
  通过utf-8与Unicode的对应规则， 先找到Unicode中对应的编码
  然后根据Unicode与GBK对应规则，转换成GBK对应的编码即可。

• 问3：大转小会导致信息丢失吗？
  答：一些情况下，是会的。
  比如：
  GBK转latin1。
  latin1只有一个字节，只能最多也就存储两百多个不同的字符，但是GBK就有两万多个字，就算你用Unicode去作为中间人转化，latin1也存储不了那么多啊，就会造成信息丢失的问题了，而这种问题是不可修复的。
  再比如：
  utf-8转GBK
  utf-8中汉字是3个字节，而GBK只是两个字节，那么utf-8通过Unicode转GBK，因为常用汉字也就3000个，再多也就20000个？而GBK就已经包含了这么多汉字了，因而可以通过Unicode找到一一对应的汉字，而不会出现覆盖导致信息丢失的情况的。
  总结：
  像上面，多个字节转到只有1个字节的，还是有很大可能造成信息丢失的，而utf-8与GBK转换，一般就不会了。

• 问3：既然这么转换不会生成乱码，那么乱码又是如何产生的呢？
  答：1、编码与解码规则不一样：当编码与解码对应规则不一样的时候。比如客户端显示编码为GBK，结果返回到客户端的是utf-8格式的，那么显示就是乱码了。
  2、没有中间人，直接“大转小”：比如让GBK直接转成latin1的，不通过Unicode，就会造成信息丢失，导致乱码。

下面的set names 语句，就是为了避免上述两种乱码情况，而产生的。

一、set names 语句

一般来说，我们建表时总是在最后面加上一句“charset = utf-8”，如下：

使得服务器端的表，存储数据时编码都用utf-8格式(因为utf-8包含很多字符，并且节省存储空间）。

在27、GB2312与UTF8编码详解中，我们也讲了出现乱码的两种可能，以及相对应的解决办法（第一种情况转变编码规则即可）。

问：在数据库的日常操作过程中，我们如果遇到了乱码的情况，应该怎么用sql语句解决呢？
答：一般，需要在建表前加入一条sql语句

set names gbk#(或者用utf-8)

怎么理解这句sql呢？

二、三个参数

2.1、连接器的必要性

如下，一般我们进行数据库操作时，客户端（也就是命令行）中用的是GBK的编码格式。

查看命令行属性：

比如，下面的命令行中，“指南针”三个字就是GBK格式的：

---

在客户端收集到的是GBK编码，而数据库最终想存成utf-8编码，上面也说了，如果直接传入到数据库中，因为编码与解码不对应，会导致乱码。

那么一定会有一个承上启下的“翻译”的“中间人”来保证不会出现乱码的情况。

2.2、传入数据：client与connection的参数编码指定

问：如果按照上面，client端指定是GBK格式，database中默认是utf-8，那么连接器应该是什么格式的呢?
答：要么是GBK，要么是utf-8。

2.2.1、情况1

如果有这种情况：

• 事先指定连接器内部暂时存储的编码是GBK格式的
• 客户端是GBK格式，服务器端是utf-8格式

• client编码格式与connection解码格式相同，不执行转换操作，
• 数据在connection中暂时存储成GBK格式
• connection编码为GBK，与服务器中不同，因此需要执行转换操作
• 于是，通过Unicode转换，就成了utf-8并且存储到服务器中了。

过程很正常，并没有发生上述问题3 中的情况。

2.2.2、情况二

• 事先指定连接器内部暂时存储的编码是utf-8格式的
• 客户端是GBK格式，服务器端是utf-8格式

类似情况一，GBK到utf-8，一样通过连接器执行转换操作，一直到最后存储到数据中。

2.3、传出数据：results的参数编码指定

2.3.1、数据传出

经过上面一节的操作，我们已经完成了数据的存入（假设不存在乱码情况）。

读取数据时，数据从服务器返回到连接器，经过转换以后，在传出到results端以前，我们要明确告诉连接器，results端的显示编码规范是什么才行。

2.3.2举个栗子

1斤===0.5kg==1.101磅。

一个商人到中国收购沙子到美国去卖 -- > 一个数据的存储与返回过程

• 中国人说，我们价格是按斤来算的
• 商人说，我收购你的沙子，但是我的价格按照千克算的-- > client到connection
• 收完以后，放到背包里-- > connection把转换好的数据传入到服务器中
• 运到美国以后，商人掏出沙子-- > 数据从服务器再传出到connection
• 美国人说，我们买，但是我们价格是按照磅来算的-- > 数据从connection返回到results

因此，上面做生意的过程，我们一定要明确每一步中是按照什么价格来算的，如果你按千克卖，他按照斤收，肯定是不合适的。

对应到数据库的字符集问题上，我们一定要明确每一步的字符集都是什么，client是什么，connection是什么，results是什么。这三个参数一定要明确。否则就会乱码了。

比如，明明results端的显示编码规范是latin1，而你告诉连接器results端的显示规范是GBK，那么连接器最终就会输出到GBK编码到results端，results端解读不了就会发生乱码。

注意，从服务器返回来的数据也是显示在命令行中的，因此此时的results显示编码应该与命令行的属性编码一致

2.3、三个参数

2.3.1、遵守规范才能不乱码

综上要想不乱码，有三个参数需要明确的指出：
client，connection，results。

只要让这三个参数之间的转换遵守规范，就不会发生乱码。

问：应该遵守什么样的规范呢？
答：- 1、编码与解码一致

• 2、不能导致字节丢失，编码之间的大小关系要考虑好。

2.3.2、一些例子

2.3.2.1、不乱码

比如，对于客户端是GBK，服务器存储UTF-8的格式

• 需要告诉服务器，客户端是GBK的
• 连接器使用utf-8暂时存储
• 最终返回值是GBK格式的

这样就不会乱码。如下：

2.3.2.2、乱码

a、编码与解码规则不一致的情况

例题1：

客户端传入的是GBK，但就是欺骗连接器，我传入的是utf-8格式的。那么连接器就按照utf-8的格式解码传入的数据：
可见设置（第一个红框）之后，转换出错（第二个红框）：

例题2：

results端显示格式是GBK，但是非要连接器返回utf-8格式的。解码时GBK，返回的数据编码是utf-8，那么就会乱码。

b、大转小，导致信息丢失，产生乱码

例题3：

客户端设为GBK，连接器设置为latin1，服务器为utf-8。

此时，会因为GBK容量大于latin，在编码转换的时候，导致字节丢失。并且是不可修复的乱码。

因此，应该遵循的原则：
服务器 >= conntion >= client

2.4、set names gbk的意思

经过上面那么多的铺垫，我们应该会理解这句sql的意思了。

如果三个参数（客户端，连接器，返回值）都是GBK，就可以在sql语句中，简写成set names gbk。

三、在网页中的字符集参数设置

3.1、网页中编码与解码的统一

一般，网页中的编码格式与显示的格式都是utf-8的。

如下图，

• 首先，看右下角，说明此编辑器的编码规则是utf-8。
  那么也就说明，此时编辑的文件里面的所有字符（这些英文字符与汉字）都是用utf-8格式的。

• 与上面相对应，我们在解析网页的时候，要确定，解码规则是utf-8才行。
  参见下图的第一个红框“charset = utf-8”

如果在第一个红框中，设置“charset=GBK”，那么因为编码与解码不同意，网页解码以后，显示出来的结果就是乱码了。

网页乱码情况

3.2、网页与数据库的交互

一般来说，网页是utf-8，服务器表中数据也是utf-8。那么在建立数据库时，也可以在数据库前用set names utf8这条来保证不会发生乱码的情况。

问：旧网页（client）中是GBK格式，旧服务器表中存储的是GBK格式，新网页（results）是utf-8格式，应该怎么设置参数呢？

传递信息的过程：
client传给服务器，服务器
答：同上。（utf-8与GBK之间互相转换，不用过分考虑大转小丢失信息的问题）