MySQL乱码问题终极指南

转自: http://blog.csdn.net/yah99_wolf/article/details/7391089

mysql的字符集设置众多，从客户端到连接到结果集，从服务器到库到表到列，都可以设置字符集，灵活很强大，但就是很容易出问题，如果不了解其机制，很容易就出现乱码问题。
为了普度众生，让大家尽量在工作中少受或者不受乱码的骚扰、困扰，这里我结合之前其它同学在论坛的发帖，并结合自己的理解和实践，详细分析总结了一下，以飨各位看官。

关于字符集和乱码的基础知识这里就不详细说明了（请自行搜索），但有一个问题需要特别强调一下：乱码是怎么产生的？
这个问题相信很多同学都是模棱两可，或者没有认真想过，反正理解就是”字符编码“不对导致乱码，但没有真正想过为什么”字符编码“会导致乱码。
答案其实很简单：“转换导致乱码”！
根据这个原则来判断，各种情况就很简单了：
1）数据传送过程中不会导致乱码
2）数据存储不会导致乱码
3）数据输入和输出（包括显示）可能导致乱码
4）数据接收和发送可能导致乱码

更详细的解释：转换导致乱码是指本来是A字符集的数据被当成了B字符集进行解析，而不是说正确的A字符集转换为B字符集。
例如：如下mysql字符处理机制流程图中，mysql客户端发送的实际上是2个gbk字符（4字节），但character_set_connection
设置了utf8，于是mysql服务器将收到的4字节gbk数据按照utf8解析，得到1个中文字符+1个字节，这时就产生乱码了；

如果character_set_connection 设置为gbk，mysql服务器收到数据后按照gbk解析，得到两个正确的中文，然后再转换为这两个中文对应的utf8编码，这就不会产生乱码。）

【mysql的字符处理机制】
详细的处理机制如下图：
 

我们模拟一下一条数据从插入到读取的处理流程，看看在整个流程中，字符集是如何辗转腾挪的。
【插入流程】
1. 客户端设定了自己的编码（character_set_client），接收用户的输入；
2. 客户端将用户的输入“转换”成连接的编码（character_set_connection） =====> 第一次转换
3. 客户端将转换后的数据发送给服务器；                               =====> 传输不会导致编码转换
4. 服务器收到客户端的数据，再判断数据列的字符集，进行字符转换       =====> 第二次转换
5. 服务器将数据存储（例如磁盘）                                     =====> 存储不会导致编码转换  
【读取流程】
略去前面的sql语句处理流程，从数据读取开始
1. 服务器从存储（例如磁盘）读取数据                                 =====> 存储不会导致编码转换，因此从存储读取也不需要
2. 服务器判断当前连接返回结果的字符集（character_set_results），
   将读取的数据转换为结果集要求的数据                               =====> 逆向的第一次转换，对应正向的第二次编码转换
3. 服务器将数据发送给客户端                                         =====> 传输不会导致编码转换
4. 客户端收到服务器的数据，根据客户端的字符集（character_set_client）进行编码转换          =====> 逆向第二次转换，对应正向第一次编码转换
5. 客户端显示数据                                                   =====> 你能看到乱码的时候

有了这个流程，我们就很容易定位乱码可能产生的地方，以及产生乱码的字符集配置究竟是哪个了。
理想的情况是整个流程中，所有涉及字符转换的地方都不需要转换，这样就不会产生乱码了。

有了上面的理论分析后，我们再结合一个乱码的抓包实例，加深理解，其中有一些问题，请大家思考一下，看看是否真的理解了。
环境：
+--------------------------+-----------------------------------------------------+
| Variable_name            | Value                                               |
+--------------------------+-----------------------------------------------------+
| character_set_client     | latin1                                              |
| character_set_connection | latin1                                              |
| character_set_database   | utf8                                                |
| character_set_filesystem | binary                                              |
| character_set_results    | latin1                                              |
| character_set_server     | utf8                                                |
测试语句是插入一个中文字符“你”，其utf8编码为"0xE4 0xBD 0xA0"，

1. latin1发送包 
思考一下1：为什么客户端和连接都设置了latin1，但最终发送的是正确的utf8编码呢？

2. latin1接收包 
思考一下2：为什么接收到的还是正确的utf8编码？

3. latin1不显示乱码 
思考一下3：为什么latin1显示了正确的utf8字符？

4. utf8接收包 
思考一下4：为什么连接的字符集和数据库的字符集设置成一样了，接收的数据反而不是utf8了？（请与latin1接收数据包对比）

5. utf8显示包

思考一下5：为什么连接的字符集和数据库的字符集设置成一样了，显示反而乱码了？ 

怎么样，上面的思考题是否都有答案了，如果没有，相信下面这幅图能够帮助你：
这个抓包案例的字符变化图解：
 

附：mysql字符编码操作技巧
【查看字符集设置】
mysql> show variables like '%char%';
+--------------------------+-----------------------------------------------------+
| Variable_name            | 说明                                                |
+--------------------------+-----------------------------------------------------+
| character_set_client     | 客户端字符集                                        |
| character_set_connection | 当前连接字符集                                      |
| character_set_database   | 数据库字符集                                        |
| character_set_filesystem | 文件系统字符集，不要修改，使用binary即可            |
| character_set_results    | 返回结果集字符集                                    |
| character_set_server     | 服务器默认字符集，当数据库、表、列没有设置时，      |
|                          |     默认使用此字符集                                |
| character_set_system     | 固定为utf8                                          |
+--------------------------+-----------------------------------------------------+
 
【修改字符集设置】
服务器的配置在服务器建立的时候就由DBA设置好了，不推荐后续再改
通过SET NAMES utf8命令同时设置character_set_client/character_set_connection/character_set_results的字符集
建议所有配置都设置成utf8

【问题答案】
思考一下1：为什么客户端和连接都设置了latin1，但最终发送的是正确的utf8编码呢？
客户端设置了latin1，而我的语句是从notepad++中写好的，是utf8格式的；
中文utf8是3个字节，而latin1是按照单个字节解析的，虽然进行了转换，但不会导致二进制内容的变化，但实际上mysql客户端认为我输入了3个latin1字符；
如果客户端设置的编码是2个字节的gbk，这时转换就会发生乱码，utf8的3个字节会被转换为1个gbk字符（可能是乱码，也可能不是乱码）加上一个西欧字符（小于128就是英文，大于128就是其它西欧文）

思考一下2：为什么接收到的还是正确的utf8编码？
这是因为mysql服务器从将数据从“列”的编码（utf8）转换为latin1了，而列存储的数据并不是真正的utf8的中文“你”对应的"0xe4 0xbd 0xa0"，
而是后面抓包看到的“c3a4 c2bd c2a0”（6个字节），mysql服务器将utf8的c3a4转换为latin1的0xe4，c2bd转换为0xbd, c2a0转换为0xa0

思考一下3：为什么latin1显示了正确的utf8字符？
因为mysql客户端收到了mysql服务器转换后的"0xe4 0xbd 0xa0"，并把这个数据当做latin1的3个字符处理，然后抛给终端（我的是SecureCRT），
SecureCRT又把这三个latin1当做uft8处理，结果中文的“你”就显示出来了。

思考一下4：为什么连接的字符集和数据库的字符集设置成一样了，接收的数据反而不是utf8了？（请与latin1接收数据包对比）
字符集都一样的情况下，整个流程中不需要进行编码转换，直接将存储的“c3a4 c2bd c2a0”返回给客户端

思考一下5：为什么连接的字符集和数据库的字符集设置成一样了，显示反而乱码了？
参考思考4，客户端收到数据后也直接抛给终端显示，终端认为是两个utf8字符，并且找到了对应字符并显示，但我们看不懂，所以知道是乱码了，但这两个字符显示并没有错，如果真正找不到字符，可能会显示问号或者字符集规定的缺省符号