完美解决MySQL中文乱码问题

下面要写的是一篇非常无聊的东西，充斥了大量各式各样的编码、转换、客户端、服务器端、连接……呃，我自己都不愿意去看它，但想一想，写下来还是有点意义的，原因有四：

MySQL4.1对多语言的支持有了很大变化(这导致了问题的出现)；

尽管大部分的地方(包括个人使用和主机提供商)，MySQL3仍然占主导地位；但MySQL4.1是MySQL官方推荐的数据库，已经有主机提供商开始提供并将会越来越多；

许多PHP程序以MySQL作为默认的数据库管理软件，但它们一般不区分MySQL4.1与4.1以下版本的区别，笼统地称“MySQL3.xx.xx以上版本”就满足安装需求了；

因为latin1在许多地方(下边会详细描述具体是哪些地方)作为默认的字符集，成功的蒙蔽了许多PHP程序的开发者和用户，掩盖了在中文等语言环境下会出现的问题；

简单的说，MySQL自身的变化和使用MySQL的PHP程序对此忽略，导致了问题的出现和复杂化，而由于大部分用户使用的是英文，使这种问题不被重视。这里提到的PHP程序，主要就WordPress而言。

MySQL4.1字符集支持的原理MySQL4.1对于字符集的指定可以细化到一台机器上安装的MySQL，其中的一个数据库，其中的一张表，其中的一栏，应该用什么字符集。但是，传统的Web程序在创建数据库和数据表时并没有使用那么复杂的配置，它们用的是默认的配置，那么，默认的配置从何而来呢？

编译MySQL时，指定了一个默认的字符集，这个字符集是latin1；

安装MySQL时，可以在配置文件(my.ini)中指定一个默认的的字符集，如果没指定，这个值继承自编译时指定的；

启动mysqld时，可以在命令行参数中指定一个默认的的字符集，如果没指定，这个值继承自配置文件中的；

此时character_set_server被设定为这个默认的字符集；

当创建一个新的数据库时，除非明确指定，这个数据库的字符集被缺省设定为character_set_server；

当选定了一个数据库时，character_set_database被设定为这个数据库默认的字符集；

在这个数据库里创建一张表时，表默认的字符集被设定为character_set_database，也就是这个数据库默认的字符集；

当在表内设置一栏时，除非明确指定，否则此栏缺省的字符集就是表默认的字符集；

这个字符集就是数据库中实际存储数据采用的字符集，mysqldump出来的内容就是这个字符集下的；

简单的总结一下，如果什么地方都不修改，那么所有的数据库的所有表的所有栏位的都用latin1存储，不过我们如果安装MySQL，一般都会选择多语言支持，也就是说，安装程序会自动在配置文件中把default_character_set设置为UTF-8，这保证了缺省情况下，所有的数据库的所有表的所有栏位的都用UTF-8存储。

当一个PHP程序与MySQL建立连接后，这个程序发送给MySQL的数据采用的是什么字符集？MySQL无从得知(它最多只能猜测)，所以MySQL4.1要求客户端必须指定这个字符集，也就是character_set_client，MySQL的怪异之处在于，得到的这个字符集并不立即转换为存储在数据库中的那个字符集，而是先转换为character_set_connection变量指定的一个字符集；这个connection层究竟有什么用我不大明白，但转换为character_set_connection的这个字符集之后，还要转换为数据库默认的字符集，也就是说要经过两次转换；当这个数据被输出时，又要由数据库默认的字符集转换为character_set_results指定的字符集。

一个典型的环境典型的环境以我自己的电脑上安装的MySQL4.1为例，我自己的电脑上安装着Apache2，PHP5和WordPress1.5.1.3，MySQL配置文件中指定了default_character_set为utf8。于是问题出现了：

WordPress按照默认情况安装，所以所有的表都用UTF-8存储数据；

WordPress默认采用的浏览字符集是UTF-8(Options->Reading中设置)，因此所有WP页面的meta中会说明charset是utf-8；

所以浏览器会以utf-8方式显示所有的WP页面；这样一来Write的所有Post，和Comment都会以UTF-8格式从浏览器发送给Apache，再由Apache交给PHP；

所以WP从所有的表单中得到的数据都是utf-8编码的；WP不加转换的直接把这些数据发送给MySQL；

MySQL默认设置的character_set_client和character_set_connection都是latin1，此时怪异的事情发生了，实际上是utf-8格式的数据，被“当作latin1”转换成……居然还是转换成latin1，然后再由这个latin1转换成utf-8，这么两次转换，有一部分utf-8的字符就丢失了，变成??，最后输出的时候character_set_results默认是latin1，也就输出为奇怪的东西了。

最神奇的还不是这个，如果WordPress中设置以GB2312格式阅读，那么WP发送给MySQL的GB2312编码的数据，被“当作latin1”转换后，存进数据库的是一种奇怪的格式(真的是奇怪的格式，mysqldump出来就能发现，无论当作utf-8还是当作gb2312来读都是乱码)，但如果这种格式以latin1输出出来，居然又能变回GB2312！

这会导致什么现象呢？WP如果使用MySQL4.1数据库，把编码改用GB2312就正常了，可惜，这种正常只是貌似正常。

如何解决问题如果你已经不耐烦了(几乎是肯定的)，google一下，会发现绝大部分的解答是，query之前先执行一下：SETNAMES'utf8'，没错，这是解决方案，但本文的目的是说明，这为什么是解决方案。

要保证结果正确，必须保证数据表采用的格式是正确的，也就是说，至少能够存放所有的汉字，那么我们只有两种选择，gbk或者utf-8，下面讨论utf-8的情况。

因为配置文件设置的default_character_set是utf8，数据表默认采用的就是utf-8建立的。这也应该是所有采用MySQL4.1的主机提供商应该采用的配置。所以我们要保证的只是客户端与MySQL交互之间指定编码的正确。

这只有两种可能，客户端以gb2312格式发送数据，或者以utf-8格式发送数据。

如果以gb2312格式发送:

SETcharacter_set_client='gb2312'

SETcharacter_set_connection='utf8'或者

SETcharacter_set_connection='gb2312'

都是可以的，都能够保证数据在编码转换中不出现丢失，也就是保证存储入数据库的是正确的内容。

怎么保证取出的是正确的内容呢？考虑到绝大部分客户端(包括WP)，发送数据的编码也就是它所希望收到数据的编码，所以:

SETcharacter_set_results='gb2312'

可以保证取出给浏览器显示的格式就是gb2312。

如果是第二种情况，客户端以utf-8格式发送(WP的默认情况)，可以采用下述配置:

SETcharacter_set_client='utf8'

SETcharacter_set_connection='utf8'

SETcharacter_set_results='utf8'

这个配置就等价于SETNAMES'utf8'。

WP应该作什么修改还是那句话，客户端要发给数据库什么编码的数据，数据库是不可能确切知道的，只能让客户端自己说明白，所以，WP是必须发送正确的SET...给MySQL的。怎么发送最合适呢？台湾的pLog同仁给出了一些建议：

首先，测试服务器是否>=4.1，编译时是否加入了UTF-8支持；是则继续

然后测试数据库以什么格式存储($dbEncoding)；

SETNAMES$dbEncoding

对于第二点，WP的情况是不同的，按照上面的典型配置，只要用WP，肯定数据库是用UTF-8存储的，所以要根据用户设置的以GB2312还是UTF-8浏览来判断(bloginfo('charset'))，但这个值是要连接数据库以后才能得到的，所以效率最高的方式是连接数据库之后，根据这个配置设置一次SETNAMES，而不必每次查询之前都设置一遍。

我的修改方式是这样的，在wp_includes/wp-db.php中增加:

functionset_charset($charset)

{

//checkmysqlversionfirst.

$serverVersion=mysql_get_server_info($this->dbh);

$version=explode('.',$serverVersion);

if($version[0]<4)return;

//checkifutf8supportwascompiledin

$result=mysql_query("SHOWCHARACTERSETlike'utf8'",

$this->dbh);

if(mysql_num_rows($result)<=0)return;

if($charset=='utf-8'||$charset=='UTF-8')

$charset='utf8';

@mysql_query("SETNAMES'$charset'",$this->dbh);

}

在wp-settings.php的require(ABSPATH.WPINC.'/vars.php');后增加:

$wpdb->set_charset(get_bloginfo('charset'));

有用  |  无用 取消

猜你喜欢