MySQL编码过程
MySQL出现乱码的原因有很多,一般与character_set参数有关 。我们先来看看有哪些参数:
SHOW VARIABLES LIKE "character%";
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/Cellar/mysql@5.7/5.7.24/share/mysql/charsets/
其中,最主要的是character_set_client和character_set_results 。这两个参数分别有什么用呢?
在客户端将一条命令输入MySQL时,MySQL只知道这条命令是0101的字节流,并不知道具体采用的是什么编码 。第一个参数character_set_client就告诉了MySQL,这条命令是UTF-8编码,于是MySQL会使用UTF-8解码字节流 。当MySQL成功解码以后,会将命令内容转化为目标表格的编码 。
表格的编码可以通过以下命令查看:
SHOW FULL COLUMNS FROM student;
假设MySQL的character_set_client设置为UTF-8,表格的编码为GBK 。如果在UTF-8的终端中输入:INSERT INTO student VALUES ('小明', 12),MySQL首先会用UTF-8解码这条命令,再将“小明”两个字转换为对应的GBK编码,最后存入表中 。
另外一个参数character_set_results是指查询结果输出的编码 。如果表格的编码是GBK,character_set_results设置为UTF-8,那么在表格中查询的内容会首先转换为UTF-8编码,再输出到终端 。
MySQL数据读取和写入的流程可以用下图表示:
文章插图
从图中可以看出,当存入表格的解码/编码过程和读取表格的解码/编码过程对应不上时,就会出现乱码 。
如果要改变character_set_client和character_set_results,可以方便地执行一条命令:
SET names gbk;
Variable_name Value
character_set_client gbk
character_set_connection gbk
character_set_database utf8
character_set_filesystem binary
character_set_results gbk
character_set_server utf8
character_set_system utf8
character_sets_dir /usr/local/Cellar/mysql@5.7/5.7.24/share/mysql/charsets/
这样,character_set_client和character_set_results就被修改成了GBK 。
UTF-8、GBK和Latin-1UTF-8、GBK和Latin-1是MySQL中最常见的三种编码形式 。
- 它们都向下兼容ASCII 。同一串使用ASCII编码的字符,转化为UTF-8、GBK和Latin-1以后的结果是一样的 。因此,假设客户端传入了SET NAMES latin1这条指令,不论character_set_client设置为UTF-8、GBK还是Latin-1,都可以正常解码并执行 。
- Latin-1是单字节编码,其编码范围是0x00-0xFF 。也就是说任意的8位二进制字节都可以对应于Latin-1中的字符 。
- UTF-8的表示范围远大于GBK 。所有Latin-1字符都能转换为UTF-8字符,但不一定能转换为GBK字符 。
错进错出我们先来考虑这样一条命令:
INSERT INTO table VALUE("啊");
【专治 MySQL 乱码,再也不想看到乱码了】假设终端编码的方式是GBK,“啊”的二进制表示方式就是10110000 10100001 。MySQL拿到这个命令以后,通过character_set_client指定的编码方式进行解码 。
- 如果character_set_client是GBK,MySQL会认为这是一个“啊”字符;
- 如果character_set_client是Latin-1,MySQL会将它看作两个单独的Latin-1字符(10110000) (10100001),最后解码得到°¡ 。
- 如果character_set_client是UTF-8,由于10110000 10100001 并不是一个有效的UTF-8编码,所以要么报错,要么会替换为一个错误标识? 。此时如果直接存入表中,就不能实现“错进错出”了 。
以上是解码的过程,当使用Latin-1解码完成以后,数据还要存入目标表格中 。
- 如果目标表格是Latin-1编码,解码完成的数据可以直接存入表中 。
- 如果目标表格是UTF-8编码,解码完成的数据先转换为UTF-8编码,再存入表中 。
- 如果目标表格是GBK编码,由于并不是每一个Latin-1编码的字符都能在GBK中找到对应的编码,所以在转码的过程中可能会报错 。
推荐阅读
- CentOS文字终端中文乱码处理办法
- 我这么久,才弄清楚mysql的触发器、视图、索引,受益匪浅
- MySQL 数据库使用
- MySQL 的 MRR 到底是什么?
- MySQL架构之MHA架构实战
- MySQL中的行级锁,表级锁,页级锁
- 如果是MySQL引起的CPU消耗过大,你会如何优化?
- MySQL8.0与MySQL5.7 双mysql共存
- Linux 安装mysql5.7.29源码安装
- 1000行MySQL学习笔记