05-MySQL--中文数据问题+校对集+乱码问题

一、中文数据问题

1、中文数据问题本质是字符集问题（客户端和服务器的字符集不同，而服务器的字符集是可以改变的）

2、计算机只识别二进制，人类更多是识别符号（字符）。需要有一个二进制与字符的对应关系（字符集）

注：

（1）字符集：二进制与字符的对应关系

（2）字符在计算机中对应的二进制码叫做字符编码（计算机有一个特点：只能存储对应的二进制码）

（4）字符 <--> 字符集 <--> 字符编码（二进制）

（5）字符在系统中都有对应的二进制在存储

3、如果直接通过cmd下的mysql.exe进行中文数据插入，可能会出错。出错原因如下：

（1）用户是通过客户端mysql.exe来操作mysqld.exe

（2）真正的SQL执行是服务器mysqld.exe来执行

（3）mysql.exe将数据传入mysqld.exe的时候，没有告知其对应的符号规则（字符集），而mysqld.exe也没有能力自己判断，就会使用自己默认的字符集

注：mysqld.exe默认的字符集是安装数据库时指定的，与创建数据库和数据表时指定的字符集无关。通过 show variables like 'character_set%'; 查看

4、解决方案：mysql.exe客户端在进行数据操作之前将自己所使用的字符集告诉mysqld.exe（cmd下的mysql.exe默认都只有一个字符集：GBK）

5、客户端向服务器插入中文数据没有成功，是因为在当前编码（字符集）下，对应的二进制编码转换成的十六进制是：一个汉字 <--> 两个字节（GBK）。而服务器认为接收数据的字符集是UTF8：一个汉字 <--> 三个字节，转换失败

注：GBK是两个字节读一次，UTF8是三个字节读一次

6、数据库服务器表现的一些特性，都是通过服务器端的变量来保存。系统先读取自己的变量，然后决定应该怎么表现

7、查看服务器识别的字符集

    -- 查看服务器识别的字符集
    show character set;

（1）服务器一共支持39种字符集

（2）基本上，服务器是万能的，什么字符集都支持

8、查看服务器默认的对外处理的字符集

    -- 查看服务器默认的对外处理的字符集
    show variables like 'character_set%';

9、服务器默认的接收客户端数据的字符集是utf8（安装数据库时指定的）

10、问题根源：客户端数据的字符集只能是GBK，而服务器接收客户端数据时，认为其字符集是utf8，产生矛盾

11、解决方案：改变服务器默认的接收客户端数据的字符集为GBK（客户端的不能改，所以只能修改服务器的字符集）

    -- 设置服务器默认的接收客户端数据的字符集
    set character_set_client = 字符集;

    -- 改变服务器默认的接收客户端数据的字符集为GBK
    set character_set_client = GBK;

12、插入中文数据成功，但使用select查看数据时依旧乱码

注：只设置character_set_client，就可以插入数据（告诉服务端，客户端传入的数据是gbk，服务器就会自动去处理了）。但只设置character_set_client，查询时会出现乱码

13、原因：返回时，数据来源是服务器，解析数据是客户端。客户端只识别GBK（一个汉字 <--> 两个字节），但服务器返回给客户端的数据是utf8（一个汉字 <--> 三个字节），客户端解析不了，导致显示时乱码

14、解决方案：修改服务器返回给客户端的数据的字符集为GBK

    -- 设置服务器返回给客户端的数据的字符集
    set character_set_results = 字符集;

    -- 修改服务器返回给客户端的数据的字符集为GBK
    set character_set_results = GBK;

15、set 变量 = 值; 的这种修改是会话级别的。即 当前客户端、当次连接有效，关闭失效

16、设置服务器对客户端的字符集，可以使用快捷方式：set names 字符集;

    -- 设置服务器对客户端的字符集的快捷方式
    set names 字符集;

    -- 等效于
    set character_set_client = 字符集;
    set character_set_results = 字符集;
    set character_set_connection = 字符集;    -- 连接层字符集

注：connection连接层，只是为了更方便客户端与服务端进行字符集转换而设，是字符集转变的中间者。如果统一了效率会更高，不统一也没问题

17、mysql.exe与mysqld.exe之间的处理关系一共分为三层

（1）客户端传入数据给服务端（client）：character_set_client -- 为了让服务器识别客户端传来的数据

（2）服务端返回数据给客户端（server）：character_set_results（服务端返回的数据是结果results） -- 为了告诉客户端服务端返回的数据的字符集

（3）客户端与服务端之间的连接（connection）：character_set_connection -- 更好的帮助客户端与服务端之间进行字符集转换

18、客户端的数据是gbk，服务器针对客户端（接收和发送）默认是utf8，服务器需要做转换。相当于：

（1）客户端向服务器插入数据时，需要指定字符集

（2）服务器返回给客户端数据时，也需要指定字符集

但服务器支持39种字符集，服务器想以怎样的字符集存储，不关客户端的事儿。我们在乎的是客户端给服务器数据时，服务器是否认识；服务器将数据返回给客户端时，客户端是否认识（客户端与服务端之间的通信，必须要通过一个统一的字符集才能保证彼此之间对于数据的识别）

二、校对集

1、校对集：数据比较的方式（数据中有一个对应的集合，按照某种指定的方式比较）

2、校对集较少使用，一般情况下默认不区分大小写（默认使用_ci）

3、校对集有三种格式

（1）_bin：binary，二进制比较。取出二进制位，一位一位的比较。区分大小写

（2）_cs：case sensitive，大小写敏感。区分大小写（较少使用）

（3）_ci：case insensitive，大小写不敏感。不区分大小写（默认使用_ci）

4、查看数据库所支持的校对集

    -- 查看数据库所支持的校对集
    show collation;

注：utf8不支持中文比较，gbk支持中文比较（gbk_chinese_ci）

5、校对集应用：只有当数据产生比较的时候，校对集才会生效

6、每个数据库都有自己的校对集，在.opt文件中（保存数据的文件夹data --> 对应数据库名字的文件夹 --> .opt文件），里面保存了库选项（字符集和校对集）

    -- .opt文件中的内容
    default-character-set=gbk
    default-collation=gbk_chinese_ci    -- 默认为_ci，不区分大小写

7、对比：使用utf8的_bin和_ci来验证不同的校对集的效果（utf8不支持_cs）

（1）创建不同校对集对应的表

    -- 使用不同的校对集创建表
    create table my_collate_bin(
        name char(1)
    )charset utf8 collate utf8_bin;

    create table my_collate_ci(
        name char(1)
    )charset utf8 collate utf8_general_ci;

（2）插入数据

    -- 插入数据
    insert into my_collate_bin values ('a'), ('A'), ('B'), ('b');
    insert into my_collate_ci values ('a'), ('A'), ('B'), ('b');

    -- 查看（结果是插入的顺序）
    select * from my_collate_bin;    -- 结果：a A B b
    select * from my_collate_ci;     -- 结果：a A B b

（3）比较。根据某个字段进行排序（order by）

    -- 根据某个字段进行排序：order by 字段名 [asc|desc]
    -- asc：升序，desc：降序。默认是升序asc

    -- 排序查找
    -- 区分大小写排序。结果：A B a b
    select * from my_collate_bin order by name;
    -- 不区分大小写排序。结果：a A B b
    select * from my_collate_ci order by name; 

8、校对集必须在没有数据之前声明好。如果有了数据，再进行校对集的修改，则修改无效

9、修改校对集

    -- 修改表选项（字符集、校对集、存储引擎）
    alter table 表名 表选项 [=] 值;

    -- 修改校对集
    -- 修改校对集前，首先要确保表中数据为空，否则修改无效
    alter table my_collate_ci collate=utf8_bin;
    alter table my_collate_ci collate=utf8_general_ci;

10、字符集与其默认对应的校对集

（1）字符集：gbk，校对集：gbk_chinese_ci

（2）字符集：utf8，校对集：utf8_general_ci

三、乱码问题

1、动态网站由三部分构成：浏览器、Apache服务器、数据库服务器。三个部分都有自己的字符集（中文），数据需要在三个部分之间来回传递，很容易产生乱码

2、如何解决乱码问题：统一编码（三码合一）。但我们只能控制服务器（Apache服务器和数据库服务器），浏览器是用户管理的，控制不了