From: 博客園 Johney
最近，在項目組使用的mysql數據庫中，插入數據出現亂碼，關于這個問題做了下總結，我們從最基本的地方說起，到錯誤產生的深層次原因和解決辦法。
基本概念
? 字符(Character)是指人類語言中最小的表義符號。例如’A'、’B'等；
? 給定一系列字符，對每個字符賦予一個數值，用數值來代表對應的字符，這一數值就是字符的編碼(Encoding)。例如，我們給字符’A'賦予數值0，給字符’B'賦予數值1，則0就是字符’A'的編碼；
? 給定一系列字符并賦予對應的編碼后，所有這些字符和編碼對組成的集合就是字符集(Character Set)。例如，給定字符列表為{’A',’B'}時，{’A'=>0, ‘B’=>1}就是一個字符集；
? 字符序(Collation)是指在同一字符集內字符之間的比較規則；
? 確定字符序后，才能在一個字符集上定義什么是等價的字符，以及字符之間的大小關系；
? 每個字符序唯一對應一種字符集，但一個字符集可以對應多種字符序，其中有一個是默認字符序(Default Collation)；
? MySQL中的字符序名稱遵從命名慣例：以字符序對應的字符集名稱開頭；以_ci(表示大小寫不敏感)、_cs(表示大小寫敏感)或_bin(表示按編碼值比較)結尾。例如：在字符序“utf8_general_ci”下，字符“a”和“A”是等價的；
MySQL字符集設置
? 系統變量：
– character_set_server：默認的內部操作字符集
– character_set_client：客戶端來源數據使用的字符集
– character_set_connection：連接層字符集
– character_set_results：查詢結果字符集
– character_set_database：當前選中數據庫的默認字符集
– character_set_system：系統元數據(字段名等)字符集
– 還有以collation_開頭的同上面對應的變量，用來描述字符序。
? 用introducer指定文本字符串的字符集：
– 格式為：[_charset] ’string’ [COLLATE collation]
– 例如：
SELECT _latin1 ’string’;
SELECT _utf8 ‘你好’ COLLATE utf8_general_ci;
– 由introducer修飾的文本字符串在請求過程中不經過多余的轉碼，直接轉換為內部字符集處理。
MySQL中的字符集轉換過程
- MySQL Server收到請求時將請求數據從character_set_client轉換為character_set_connection；
- 進行內部操作前將請求數據從character_set_connection轉換為內部操作字符集，其確定方法如下：
- 使用每個數據字段的CHARACTER SET設定值；
- 若上述值不存在，則使用對應數據表的DEFAULT CHARACTER SET設定值(MySQL擴展，非SQL標準)；
- 若上述值不存在，則使用對應數據庫的DEFAULT CHARACTER SET設定值；
- 若上述值不存在，則使用character_set_server設定值。
- 將操作結果從內部操作字符集轉換為character_set_results。
我們現在回過頭來分析下我們產生的亂碼問題：
a 我們的字段沒有設置字符集，因此使用表的數據集
b 我們的表沒有指定字符集，默認使用數據庫存的字符集
c 我們的數據庫在創建的時候沒有指定字符集，因此使用character_set_server設定值
d 我們沒有特意去修改character_set_server的指定字符集，因此使用mysql默認
e mysql默認的字符集是latin1，因此，我們使用了latin1字符集，而我們character_set_connection的字符集是UTF-8，插入中文亂碼也再所難免了。
常見問題解析
? FAQ-1 向默認字符集為utf8的數據表插入utf8編碼的數據前沒有設置連接字符集，查詢時設置連接字符集為utf8
– 插入時根據MySQL服務器的默認設置，character_set_client、character_set_connection和character_set_results均為latin1；
– 插入操作的數據將經過latin1=>latin1=>utf8的字符集轉換過程，這一過程中每個插入的漢字都會從原始的3個字節變成6個字節保存；
– 查詢時的結果將經過utf8=>utf8的字符集轉換過程，將保存的6個字節原封不動返回，產生亂碼。參考下圖：
? 向默認字符集為latin1的數據表插入utf8編碼的數據前設置了連接字符集為utf8（我們遇到的錯誤就是屬于這一種）
– 插入時根據連接字符集設置，character_set_client、character_set_connection和character_set_results均為utf8；
--插入數據將經過utf8=>utf8=>latin1的字符集轉換，若原始數據中含有\u0000~\u00ff范圍以外的Unicode字符，會因為無法在latin1字符集中表示而被轉換為“?”(0×3F)符號，以后查詢時不管連接字符集設置如何都無法恢復其內容了。轉換過程如下圖：
檢測字符集問題的一些手段
? SHOW CHARACTER SET;
? SHOW COLLATION;
? SHOW VARIABLES LIKE ‘character%’;
? SHOW VARIABLES LIKE ‘collation%’;
? SQL函數HEX、LENGTH、CHAR_LENGTH
? SQL函數CHARSET、COLLATION
使用MySQL字符集時的建議
? 建立數據庫/表和進行數據庫操作時盡量顯式指出使用的字符集，而不是依賴于MySQL的默認設置，否則MySQL升級時可能帶來很大困擾；
? 數據庫和連接字符集都使用latin1時，雖然大部分情況下都可以解決亂碼問題，但缺點是無法以字符為單位來進行SQL操作，一般情況下將數據庫和連接字符集都置為utf8是較好的選擇；
? 使用mysql CAPI（mysql提供C語言操作的API）時，初始化數據庫句柄后馬上用mysql_options設定MYSQL_SET_CHARSET_NAME屬性為utf8，這樣就不用顯式地用SET NAMES語句指定連接字符集，且用mysql_ping重連斷開的長連接時也會把連接字符集重置為utf8；
? 對于mysql PHP API，一般頁面級的PHP程序總運行時間較短，在連接到數據庫以后顯式用SET NAMES語句設置一次連接字符集即可；但當使用長連接時，請注意保持連接通暢并在斷開重連后用SET NAMES語句顯式重置連接字符集。
其他注意事項
? my.cnf中的default_character_set設置只影響mysql命令連接服務器時的連接字符集，不會對使用libmysqlclient庫的應用程序產生任何作用！
? 對字段進行的SQL函數操作通常都是以內部操作字符集進行的，不受連接字符集設置的影響。
? SQL語句中的裸字符串會受到連接字符集或introducer設置的影響，對于比較之類的操作可能產生完全不同的結果，需要小心！
總結
根據上面的分析和建議，我們解決我們遇到問題應該使用什么方法大家心里應該比較清楚了。對，就是在創建database的時候指定字符集，不要去通過修改默認配置來達到目的，當然你也可以采用指定表的字符集的形式，但很容易出現遺漏，特別是在很多人都參與設計的時候，更容易紕漏。
雖然不提倡通過修改mysql的默認字符集來解決，但對于如何去修改默認字符集，我這里還是給出一些方法，僅供大家參考。
MySQL默認字符集
MySQL對于字符集的指定可以細化到一個數據庫，一張表，一列.傳統的程序在創建數據庫和數據表時并沒有使用那么復雜的配置，它們用的是默認的配置.
(1)編譯MySQL 時，指定了一個默認的字符集，這個字符集是 latin1；
(2)安裝MySQL 時，可以在配置文件 (my.ini) 中指定一個默認的的字符集，如果沒指定，這個值繼承自編譯時指定的；
(3)啟動mysqld 時，可以在命令行參數中指定一個默認的的字符集，如果沒指定，這個值繼承自配置文件中的配置,此時 character_set_server 被設定為這個默認的字符集；
(4)安裝 MySQL選擇多語言支持，安裝程序會自動在配置文件中把default_character_set 設置為 UTF-8，保證缺省情況下所有的數據庫所有表的所有列的都用 UTF-8 存儲。
查看默認字符集
(默認情況下，mysql的字符集是latin1(ISO_8859_1)，如何查看在上面我們已經給出了相關命令
修改默認字符集
(1) 最簡單的修改方法，就是修改mysql的my.ini文件中的字符集鍵值，
如 default-character-set = utf8
character_set_server = utf8
修改完后，重啟mysql的服務
(2) 還有一種修改字符集的方法，就是使用mysql的命令
mysql> SET character_set_client = utf8 ;
mysql> SET character_set_connection = utf8 ;
mysql> SET character_set_database = utf8 ;
mysql> SET character_set_results = utf8 ;
mysql> SET character_set_server = utf8 ;
mysql> SET collation_connection = utf8 ;
mysql> SET collation_database = utf8 ;
mysql> SET collation_server = utf8 ;
設置了表的默認字符集為utf8并且通過UTF-8編碼發送查詢，存入數據庫的仍然是亂碼。那connection連接層上可能出了問題。解決方法是在發送查詢前執行一下下面這句： SET NAMES 'utf8';它相當于下面的三句指令：
SET character_set_client = utf8;
SET character_set_results = utf8;
SET character_set_connection = utf8;
