MySQL入门集锦（四）

今天的主要是编码问题，在学习一门语言的过程中，编码是不可避避免遇到的问题，而且有时候一困扰就会让人挠破脑袋，所以

接下来我们一起了解一下每一种编码吧~

编码的产生：

由于计算机只有0和1两种符号，但人的世界里有更为复杂的东西，所以就出现了人为规定。

例如，0100 0001 是表示A，还是65？这就要看上下文环境来决定。

首先，我们先来了解一些编码的发展历史。

一、编码发展

1、ASCII码（ American Standard Code for Information Interchange ）

这是最早使用的编码方式，这是美国发明的一种方式，它们认为英文字符总数少于127，所以它们用一个字节的位置来代表不同

的字符。一个字节有八个比特，一个有256个不同的结果，所以ASCII的最高为长为0来表示不同的字符。

ASCII码对照表

2、GB2312

但是ASCII码引用到中文汉字中，发现ASCII码不够用，因为中国汉字大概有四五千字，而ASCII码最多也就是256种，所以就出现

了用两个字节来表示，两个字节一共能表示65535种，对于中国汉字是足够了。由于所有的编码方式都是兼容ASCII码的，而前面

的[0-127]已经被ASCII占用了，为了能够分辨出中英文，所以同意规定中文使用[129-255]这个范围，此时编码能够识别中英文，

但是识别中文的个数变少了，实际上GB2312一共收录了6千多个字。对于我们常用的汉字是够用的，但是一些生僻字就不能识别

了，所以就又产生了新的编码集，GBK。

3、GBK

为了解决gb2312的问题，产生GBK编码集。gbk同样占用了两个字节，我们规定gbk的第二位是可以使用ASCII中的范围。此时，

我们从左往右识别时，当第一个字节大于127，则向后绑定一位识别中文，当第一个字节小于127，则直接识别为英文，据统计

GBK总共收录了21003个汉字，883个符号，并提供了1897个造字码位。

4、ANSI 本地字符集

在中国代表GBK，但是不同国家的规则不同，会出现乱码问题，所以，就需要产生一种国际化的编码，Unicode。

5、Unicode

一个世界通用的码表，将各个国家的所有字符都给定一个确定的表示，同一分配编号。占用了4个字节，大小约为42亿，足够囊

括所有字符，但是我们常用的集中在前2个字节里。但是unicode只负责用4个字节来分配编号，但是却造成了一定的浪费 ，同时

要在网络上传输就需要简化，所以就产生了一系列简化集。

6、UTF-8

Unicode只是负责编号，要在网络上进行传输就需要简化，而unicode的实现方式称为Unicode转换格式，简称UTF（可以理解为

一种无所压缩）。Unicode与UTF-8的关系就像是原文件与压缩文件的关系。UTF-8是一种变长编码，占用1-6个字节。由于这种

不定长的存储，我们要怎么确定字符边界呢？

Unicode与UTF-8转换对照表

我们是这样确定的，从第一个字节读起，若第一个字节为0....则占用一个子节，若110....则是两个字节，以此类推。

从容量上看，GB2312 < GBK < UTF-8。

当GBK转成UTF-8格式时，需要借助Unicode作为中介。

二、乱码的形成

1、解码是与实际编码不一致。比如，写入文本是utf8，但是识别时你指定了gbk格式，那么就会造成乱码，这种乱码是能够修

复，只需要指定正确的解码格式就可以了。

2、传输过程中，编码不一致导致字节丢失。比如讲utf8转成gb2312，由于gb2312的容量较小，utf-8中的一些字符无法识别则会

被舍弃，造成不可修复的后果。

三、MySQL中的字符集问题

数据库中由于存储数据所用的编码方式时一定是utf-8。  

 

数据存储到数据库以及读取数据时的流程

在数据库中通常涉及三种编码参数，客户端编码、连接器编码以及查询结果编码。

      i. 当客户端字符集为gbk，连接器字符集为utf8时，整个存储过程的转换为：gbk --> 转换，转换成utf8 -->不转换， 交给服务器

      ii. 当客户端字符集为gbk，连接器字符集为gbk时，整个存储过程的转换为：gbk --> 不转换，交到connection -->转换成utf8，交给服务器

此时关于存储时涉及的编码有客户端编码和连接器编码，在MySQL中可以通过以下语句来指定：

character_set_client=编码方式;（指定客户端的编码方式）

character_set_connection=编码方式;（指定连接器的编码方式）

而对于我们从数据库中查询的结果也可以指定编码方式

character_set_results=编码方式;

通过三层指定，我们就可以避免乱码了。

 

 

直接查找数据发现中文乱码了；

我们指定查询结果的字符集为gbk，因为本人命令行是gbk编码的。

发现不会乱码了。

思考：gbk的容量比utf-8的小，那么当客户端的编码是utf-8而连接器的编码是gbk时，不会造成字节丢失吗？

答：在中文网站的话我们使用的常用字基本集中在前两个字节，所以问题不大，但是理论上是有可能出现乱码的。

而我们在MySQL中经常看到的set names gbk;这个语句，其实就是同时将上述三种编码方式统一设置为gbk，这就肯定不会出现乱码了。

服务器的编码基本原则：client端 <= 连接器端 <= 服务器

总结：牵涉到数据库，要想不乱码：

1、正确指定客户端的编码；

2、合理选择连接器的编码；

3、正确指定返回内容的编码。

特别解释：utf-8、UTF-8、utf8表示的都是utf-8编码，只是在不同的软件环境下写法不同，比如MySQL中使用的是utf8。