MySQL乱码的原因和设置UTF8数据格式
https://segmentfault.com/a/1190000018662023
MySQL使用时，有一件很痛苦的事情肯定是结果乱码。将编码格式都设置为UTF8可以解决这个问题，我们今天来说下为什么要这么设置，以及怎么设置。
MySQL字符格式
字符集
在编程语言中，我们为了防止中文乱码，会使用unicode对中文字符做处理，而为了降低网络带宽和节省存储空间，我们使用UTF8进行编码。对这两者有什么不同不够了解的同学，可以参考Unicode字符集和UTF8编码编码的前世今生这篇文章。
同样在MySQL中，我们也会有这样的处理，我们可以查看当前数据库设置的编码方式（字符集）：
mysql> show variables like '%char%';
+--------------------------+----------------------------------+
| Variable_name | Value |
+--------------------------+----------------------------------+
| character_set_client | latin1 |
| character_set_connection | latin1 |
| character_set_database | latin1 |
| character_set_filesystem | binary |
| character_set_results | latin1 |
| character_set_server | latin1 |
| character_set_system | utf8 |
| character_sets_dir | /usr/local/mysql/share/charsets/ |
+--------------------------+----------------------------------+
8 rows in set (0.00 sec)表中就是当前设置的字符集，先看不用关注的几个值：
character_set_filesystem | binary：文件系统上的存储格式，默认为binary（二进制）character_set_system | utf8：系统的存储格式，默认为utf8character_sets_dir | /usr/local/mysql/share/charsets/：可以使用的字符集的文件路径
剩下的几个就是日常影响读写乱码的参数了：- character_set_client：客户端请求数据的字符集- character_set_connection：从客户端接收到数据，然后传输的字符集- character_set_database：默认数据库的字符集；如果没有默认数据库，使用character_set_server字段- character_set_results：结果集的字符集- character_set_server：数据库服务器的默认字符集
字符集的转换流程分为3步：
- 客户端请求数据库数据，发送的数据使用
character_set_client字符集 MySQL实例收到客户端发送的数据后，将其转换为character_set_connection字符集-
进行内部操作时，将数据字符集转换为内部操作字符集：
- 使用每个数据字段的
character set设定值 - 若不存在，使用对应数据表的
default character set设定值 - 若不存在，使用对应数据库的
default character set设定值 - 若不存在，使用
character_set_server设定值
- 使用每个数据字段的
- 将操作结果值从内部操作字符集转换为
character_set_results
字符序
说字符序之前，我们需要了解一点基础知识：
- 字符
(Character)是指人类语言中最小的表义符号。例如’A’、’B’等； - 给定一系列字符，对每个字符赋予一个数值，用数值来代表对应的字符，这一数值就是字符的编码
(Encoding)。例如，我们给字符’A’赋予数值0，给字符’B’赋予数值1，则0就是字符’A’的编码； - 给定一系列字符并赋予对应的编码后，所有这些字符和编码对组成的集合就是字符集
(Character Set)。例如，给定字符列表为{‘A’,’B’}时，{‘A’=>0, ‘B’=>1}就是一个字符集； - 字符序
(Collation)是指在同一字符集内字符之间的比较规则； - 确定字符序后，才能在一个字符集上定义什么是等价的字符，以及字符之间的大小关系；
- 每个字符序唯一对应一种字符集，但一个字符集可以对应多种字符序，其中有一个是默认字符序
(Default Collation)； MySQL中的字符序名称遵从命名惯例：以字符序对应的字符集名称开头；以_ci(表示大小写不敏感，case insensitive)、_cs(表示大小写敏感，case sensitive)或_bin(表示按编码值比较，binary)结尾。例如：在字符序“utf8_general_ci”下，字符“a”和“A”是等价的；
因此字符序不同于字符集，用于数据库字段的相等或大小比较。我们查看MySQL实例设置的字符序：
mysql> show variables like 'collation%';
+----------------------+-------------------+
| Variable_name | Value |
+----------------------+-------------------+
| collation_connection | latin1_swedish_ci |
| collation_database | latin1_swedish_ci |
| collation_server | latin1_swedish_ci |
+----------------------+-------------------+
3 rows in set (0.00 sec)跟utf8对应的常用字符序是：utf8_unicode_ci/utf8_general_ci和utf8_bin等，那么他们的区别是什么呢？
_bin是用二进制存储并比较，区别大小写，存储二进制内容时使用utf8_general_ci：校对速度快，但准确度稍差，使用中英文时使用utf8_unicode_ci：准确度高，但校对速度稍慢，使用德法俄等外语时使用
详细的区别可以参考 Mysql中的排序规则utf8_unicode_ci、utf8_general_ci的区别总结。
修改字符集和字符序
如果在MySQL连接时，出现了乱码的问题，那么基本可以确定是各个字符集/序设置不统一的原因。MySQL默认的latin1格式不支持中文，由于我们在中国，所以选择对中文和各语言支持都非常完善的utf8格式。所以，我们需要将需要关注的字符集和字符序都修改为utf8格式。
你也可以选择utf8mb4格式，这个格式支持保存emoji😈表情。
我们需要修改Mysql的配置文件，查看配置文件的位置有两种方式：
1. $ mysql --help | grep 'my.cnf'
/etc/mysql/my.cnf /etc/my.cnf ~/.my.cnf
2. ps aux | grep mysql
在(1)中，/etc/my.cnf, /etc/mysql/my.cnf, ~/.my.cnf 这些就是mysql默认会搜寻my.cnf的目录，优先级依次升高。可以在各个配置文件里都使用long_query_time 来测试一下。
然后，我们修改或新增下面的配置项：
# 下面注释的几行可以不设置，但如果你的没有生效，也可以试试看
[mysqld]
character_set_server=utf8
collation-server=utf8_general_ci
skip-character-set-client-handshake
#init_connect='SET NAMES utf8'
#[client]
#default-character-set=utf8这三行配置就可以解决问题，最关键的是最后一行，参考mysql文档，使用该参数会忽略客户端传递的字符集信息，而直接使用服务端的设定；再加上我们设定服务端的字符集和字符序均为utf8，这样就保证了字符格式的统一，解决乱码的问题。
重启mysql服务，如果提示找不到服务，请参考用service命令管理mysql启停：
$ service mysqld restart
Shutting down MySQL.. [ OK ]
Starting MySQL. [ OK ]连接到mysql，查看当前编码：
mysql> show variables like '%char%';
+--------------------------+----------------------------------+
| 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/mysql/share/charsets/ |
+--------------------------+----------------------------------+
8 rows in set (0.01 sec)
mysql> show variables like 'collation%';
+----------------------+-----------------+
| Variable_name | Value |
+----------------------+-----------------+
| collation_connection | utf8_general_ci |
| collation_database | utf8_general_ci |
| collation_server | utf8_general_ci |
+----------------------+-----------------+
3 rows in set (0.01 sec)可以看到一切都符合预期，请求和存储的数据也不再是乱码了。
遇到的问题
unknown variable 'default-character-set=utf8'
参考官方文档，该参数自5.5.3版本废弃，改为了character-set-server，改为这个参数即可。
但这个是在[mysqld]下的配置，在[client]下的配置依然使用default-character-set参数。
参考资料
- MySQL连接校对：utf8_general_ci与utf8_unicode_ci有什么区别呢 ：https://segmentfault.com/q/10...
- Unicode 和 UTF-8 有什么区别？：https://www.zhihu.com/questio...
- 深入Mysql字符集设置：http://www.laruence.com/2008/...
- 10.4 Connection Character Sets and Collations：https://dev.mysql.com/doc/ref...
- ISO/IEC 8859-1：https://zh.wikipedia.org/wiki...
- 5.1.6 Server Command Options：https://dev.mysql.com/doc/ref...
- 用service命令管理mysql启停：https://segmentfault.com/a/11...
- Unicode字符集和UTF8编码编码的前世今生：https://segmentfault.com/a/11...
- Mysql中的排序规则utf8_unicode_ci、utf8_general_ci的区别总结：https://www.jb51.net/article/...
