场景
- 程序使用gbk编码，表使用的是latin1编码，而我再一次倒入数据的操作中使用了utf8的终端，指定--default-character-set='latin1'倒入的数据是乱码，而后来将终端换成gbk之后酒倒入成功了
- 通过变换插入数据的终端，模拟我们平常需要倒入数据的终端
- 通过变更查询数据的终端，来模拟我们程序的查询操作
- default-character-set变更能够正确的读取中文字符
测试环境
- mysql server和Linux是utf8的字符集
- 使用xshell作为终端进行输入
- 建立一张表存储字符集是latin1
- 使用mysqlclient 进行插入和查询，查看查询到的数据是否正确
实验步骤
- 使用mysqlclient，--default-character-set='latin1' 这个选测进行测试，看看他到底改变了那些字符集，如下图所示
[root@5kh4z42 goufu]# mysql -u superdba -padmin -S /tmp/mysql3443.sock -e '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/xywy/mysql-5.5.38/share/charsets/ | +--------------------------+----------------------------------------------+ [root@5kh4z42 goufu]# mysql -u superdba -padmin -S /tmp/mysql3443.sock --default-character-set='latin1' -e 'show variables like "%char%"'; +--------------------------+----------------------------------------------+ | 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 | | character_set_system | utf8 | | character_sets_dir | /usr/local/xywy/mysql-5.5.38/share/charsets/ | +--------------------------+----------------------------------------------+
- 这里可以看出具体的client和connection与results是取决于client的，默认是和文件系统统一的
- 创建一张latin1字符集的表进行测试，看看mysql如何对字符集进行转换，老的或者奇葩业务如何使用latin1存储中文
CREATE TABLE `aa` ( `id` int(11) DEFAULT NULL, `name` varchar(100) DEFAULT NULL ) ENGINE=InnoDB DEFAULT CHARSET=latin1
- 插入测试数据
终端切换为UTF8字符集，执行命令 mysql -u superdba -padmin -S /tmp/mysql.sock --default-character-set='latin1' -e 'insert into test.aa values(1,"啊啊")'; 终端切换为GBK字符集，执行命令 mysql -u superdba -padmin -S /tmp/mysql.sock --default-character-set='latin1' -e 'insert into test.aa values(2,"啊啊")'; 终端切换为UTF8字符集，执行命令 mysql -u superdba -padmin -S /tmp/mysql.sock -e 'insert into test.aa values(3,"啊啊")'; 终端切换为GBK字符集，执行命令 mysql -u superdba -padmin -S /tmp/mysql.sock -e 'insert into test.aa values(4,"啊啊")';
- 查询数据
终端切换为UTF8字符集，执行命令 [root@5kh4z42 goufu]# mysql -u superdba -padmin -S /tmp/mysql3443.sock --default-character-set='latin1' -e 'select * from test.aa'; +------+--------+ | id | name | +------+--------+ | 1 | 啊啊 | | 2 | °¡°¡ | | 3 | ???? | | 4 | ?? | +------+--------+ 终端切换为GBK字符集，执行命令 [root@5kh4z42 goufu]# mysql -u superdba -padmin -S /tmp/mysql3443.sock --default-character-set='latin1' -e 'select * from test.aa'; +------+--------+ | id | name | +------+--------+ | 1 | 鍟婂晩 | | 2 | 啊啊 | | 3 | ???? | | 4 | ?? | +------+--------+ 终端切换为UTF8字符集，执行命令 [root@5kh4z42 goufu]# mysql -u superdba -padmin -S /tmp/mysql3443.sock -e 'select * from test.aa'; +------+----------------+ | id | name | +------+----------------+ | 1 | å•Šå•Š | | 2 | °¡°¡ | | 3 | ???? | | 4 | ?? | +------+----------------+ 终端切换为GBK字符集，执行命令 [root@5kh4z42 goufu]# mysql -u superdba -padmin -S /tmp/mysql3443.sock -e 'select * from test.aa'; +------+----------------+ | id | name | +------+----------------+ | 1 | 氓鈥⑴犆モ€⑴? | | 2 | 掳隆掳隆 | | 3 | ???? | | 4 | ?? | +------+----------------+
- 排查问题
查看数据库底层存储的值，执行如下命令 [root@5kh4z42 goufu]# mysql -u superdba -padmin -S /tmp/mysql3443.sock -e 'select id,hex(name) from test.aa'; +------+--------------+ | id | hex(name) | +------+--------------+ | 1 | E5958AE5958A | | 2 | B0A1B0A1 | | 3 | 3F3F3F3F | | 4 | 3F3F | +------+--------------+-
问题到这里其实有一些清晰了，结合我们之前的只是utf8存储汉字是3字节存储，即2^8^3，换算成十六进制就是2^4^2^3即6个16位数表示，所以'啊' 对应的编码是%E5%95%8A，同理算出并验证GBK编码的'啊' 的编码是%B0%A1，如我们所看到的3F其实就是?的编码，urf8和gbk是一样的
- 这里结合之前的只是，得知latin1是单字节编码，如果在存储的时候他识别不了会按照单自己存储，所以将他存储的二进制码交给其他的字符集就可以进行复原，试验中换成了ascii码得到的结果也是一样的，这可能就是单字节码的特性。
-
- 既然单字节存在这种转换规律那么gbk和utf8 之间是怎样进行转换的呢
-
首先，创建一张表结构如下
create table cc ( id int , name varchar(100), terminal varchar(100), `client` varchar(100) ) charset=gbk;
-
然后，我们分别使用utf8终端执行如下命令
mysql -u superdba -pguzaneyR@cj7M6m -S /tmp/mysql3443.sock --default-character-set='gbk' -e 'insert into test_liuyaxin.cc values(1,"啊啊","utf8","gbk")'; mysql -u superdba -pguzaneyR@cj7M6m -S /tmp/mysql3443.sock -e 'insert into test_liuyaxin.cc values(1,"啊啊","utf8","utf8")';
-
然后在gbk终端下执行命令
mysql -u superdba -pguzaneyR@cj7M6m -S /tmp/mysql3443.sock --default-character-set='gbk' -e 'insert into test_liuyaxin.cc values(2,"啊啊","gbk","gbk")'; mysql -u superdba -pguzaneyR@cj7M6m -S /tmp/mysql3443.sock -e 'insert into test_liuyaxin.cc values(2,"啊啊","gbk","utf8")';
-
最后使用utf8终端查询结果
mysql -u superdba -pguzaneyR@cj7M6m -S /tmp/mysql3443.sock -e 'select *,hex(name) from test_liuyaxin.cc'; +------+-----------+----------+--------+--------------+ | id | name | terminal | client | hex(name) | +------+-----------+----------+--------+--------------+ | 1 | 鍟婂晩 | utf8 | gbk | E5958AE5958A | | 1 | 啊啊 | utf8 | utf8 | B0A1B0A1 | | 2 | 啊啊 | gbk | gbk | B0A1B0A1 | | 2 | ???? | gbk | utf8 | 3F3F3F3F | +------+-----------+----------+--------+--------------+
-
发现了当终端-->client-->egine这个过程中，如果进行多次编码转换，最后就会是乱码，而且无药可救，因为在第二次编码转换的时候就已经失去了原来的字符的含义，而当这个过程中只有一次转换的时候就算是乱码，他仍然可以存储下来，这样在反向解码的时候就可以还原，而单字节码如果出现不识别字符则会按照传递给他的编码进行存储，这样在反向解码的时候就可以识别出来
- 这样也可以看出来文件系统应该是不参与解码工作的，而是让两个进程（shell session和mysqlclient）进行编码转换，自己只是在中间将二进制码进行传递，其实mysql变量character_set_filesystem的值为binary时，表示文件系统字符集只负责将传递二进制数据
-
- 回归正题
- 既然说到导入导出的乱码问题，说到现在，其实解决这个问题的根源就在于，当你想吧备份文件进行恢复的时候，首先你需要能够正确的识别文件，即你传到服务器上的文件不是乱码，而且要与你程序所使用的字符集一致，而你所使用的倒入mysql 数据库的client 的字符集要和你底层的表的字符集相同，这样就不会出现乱码，前提是需要你使用单字节编码
- 当然，说这么多，只是为了解释这样存储的可能性，并且解答了疑问，但是并不是代表着推荐这么做，对于数据库，当然还是希望字符集进行统一，这样也就生了很多的麻烦