WEB开发网
开发学院数据库MySQL 浅析字符集以及PHP+Mysql4.1的乱码问题 阅读

浅析字符集以及PHP+Mysql4.1的乱码问题

 2007-11-11 14:06:59 来源:WEB开发网   
核心提示:MySQL(和PHP搭配之最佳组合)自4.1以后,增加了对字符集的支持,浅析字符集以及PHP+Mysql4.1的乱码问题,笔者之前对MySQL(和PHP搭配之最佳组合)比较了解,刚接触4.1时,请用DW之类的工具做网页,写得有点仓促,感觉MySQL(和PHP搭配之最佳组合)有点多此一举,但后来细想发现

  MySQL(和PHP搭配之最佳组合)自4.1以后,增加了对字符集的支持。笔者之前对MySQL(和PHP搭配之最佳组合)比较了解,刚接触4.1时,感觉MySQL(和PHP搭配之最佳组合)有点多此一举,但后来细想发现,对字符集的支持,虽然对开发者来说,会麻烦一些,但不可否认,是一种进步。对字符集的支持,不仅更加支持多语言,而且,也方便移植。
刚开始使用MySQL(和PHP搭配之最佳组合)4.1,你可能感觉有点不适,下面,简单阐述一下笔者对MySQL(和PHP搭配之最佳组合)4.1字符集的理解,再讲述如何PHP如何适应MySQL(和PHP搭配之最佳组合)的这种变化,希望大家看过这文章后,能够有所收获。
如果你对计算机基础知识不了解,请直接阅读“结论篇”

一.原理篇
MySQL(和PHP搭配之最佳组合)的字符集里有两个概念,一个是“Character set(字符集)”,另一个是“Collations”。
1. Collations
Collations翻成中文是“校验”,在网页开发的过程中,这个词汇,只在MySQL(和PHP搭配之最佳组合)里使用,主要作用是指导MySQL(和PHP搭配之最佳组合)对字符的比较,比如, ASCII字符集里,Collations规定了a小于b,a等于a,以及a是否等于A之类的。通常,大家基本可以忽略Collations的存在,因为每个字符集都有一个默认的Collations,通常,使用默认的Collations就可以了。
2.字符集
与这对比的是,字符集是个更广的概念,即使是Windows下普通的文本文件,也渗及到字符集的问题。不同的字符集,规定了不同的字符的编码方式。一个 character set (字符集)是一组符号和编码,比如,ASCII字符集,包括的字符有:数字,大小写字母,分号、换行之类的符号,编码方式是用一个7bit表示一个字符(A的编码是65,b的编码是98)。ASCII只规定了英文字母的编码,非英文语言不能用ASCII编码表示,为此,不同的国家,都为自己的语言做了编码,比如,我们国家,就有GB2312编码。但每个国家之间的编码不同,也存在着一些跨平台的问题,为此,一些国际化标准组织,就制定了一些国际通用的编码,最常用的就是UTF8了。ASCII只对英文符号和英文字母做了编码,GB2312对英文符号,英文字母,汉字做了编码,UTF8对世界上所有的语言文字做了编码,所以,GB1212的字符包含了ASCII字符,UTF8包含了GB2312字符。由此可见,UTF8是所含最广字符的字符集,所以,在一些多语言的WEB系统中,一般用UTF8字符集(PHPMyAdmin使用UTF8编码)。
任何文本的存储,都渗及到字符集的概念。包括数据库,也包括普通的文本文件。
主要术语:
字符:汉字,英文字母,标点符号,拉丁文等等。
编码:将字符转换成计算机存储的格式,比如,A用65表示。
字符集:一组字符以及对应的编码方式。
a. MySQL(和PHP搭配之最佳组合)的字符集

MySQL(和PHP搭配之最佳组合)目前支持多字符集,并且,支持在不同的字符集之间转换(便于移植和支持多语言)。
MySQL(和PHP搭配之最佳组合)可以设置服务器级字符集、数据库级字符集、数据表级字符集、表列的字符集,实际上,最终使用字符集的地方是存储字符的列,比如,你设置 table1中col1列是字符类型,col1才用到了字符集,如果table1表的col2列是int类型,col2不使用字符集的概念。
服务器级字符集、数据库级字符集、数据表级字符集都是为列的字符集做默认选项的。
MySQL(和PHP搭配之最佳组合)一定有一个字符集,可以通过启动时加参数指定,也可以编译时指定,也可以在配置文件里指定。MySQL(和PHP搭配之最佳组合)服务器字符集,只是做为数据库级的默认值。创建数据库时,你可以指定字符集,如果没指定,就使用服务器的字符集。同理,创建表时,你可以指定表级的字符集,如果没指定,使用数据库的字符集做为表的字符集。创建列时,你可以指定某列的字符集,如果没指定,就使用表的字符集。
通常情况下,您只需设置服务器级的字符集,其它的数据库级,表级,以及列级的字符集,都继承自服务器级字符集。
由于UTF8是最广的字符集,所以,一般情况下,我们设置MySQL(和PHP搭配之最佳组合)服务器级的字符集为UTF8!
b. 普通文本的字符集问题

任何文本的存储,都存在着字符集的问题,普通文本文件也不例外。
Windows2000+的系统中,打开记事本,“保存为…”对话框,就有一个选项,可以让你选择存储文本的编码方式。
通常情况下,大家都使用Windows2000+的系统,都使用默认的编码,所以,不会碰到字符集的问题。
Windows下,保存文本文件时,可以选择编码方式,但打开文本文件时,都是自动判断编码方式的。网上有一个用Windows2000+的记事本玩移动,联通的笑话,大家可以搜搜,就是因为Windows在打开文本文件时,编码判断错误引起的问题。
因为自动判断编码有时会错误,所以,有的文本文件,规定了如何识别自身所使用的编码。HTML文件就是一个这样的例子。
HTML是文本文件。存储HTML文件的时候,需要使用一个编码,并且,在HTML文件里,也使用HTML语法,指定了该文件所使用的编码(比如< meta http-equiv="content-type" content="text/html; charset=UTF-8">)。如果HTML文件没有指定编码,则浏览器自动识别文件的编码。如果HTML指定了编码,则浏览器使用HTML指定的编码。
通常情况下,HTML文件指定的charset和HTML文件自身的编码是一致的,但也有不一致的情况,如果不一致,就会导致网页乱码(此处乱码,只和文本文件有关,和数据库无关。)使用专门的网页编辑工具(比如Dreamwave),会自动根据网页中的charset值来编码文件。
c. php+MySQL(和PHP搭配之最佳组合)的字符集问题

PHP最终生成的是文本文件,但他要取数据库里的文本,或将文本存进数据库。
由于MySQL(和PHP搭配之最佳组合)支持多字符集,默认情况下,MySQL(和PHP搭配之最佳组合)不知道PHP发给他的是什么编码的字符,所以,MySQL(和PHP搭配之最佳组合)要求客户端(PHP)告诉他存取的字符集是什么。
PHP通过设置character_set_client,告诉MySQL(和PHP搭配之最佳组合)PHP存进数据库的是什么编码方式。
PHP通过设置character_set_results,告诉MySQL(和PHP搭配之最佳组合)PHP需要取什么样编码的数据。
PHP通过设置character_set_connection,告诉MySQL(和PHP搭配之最佳组合)PHP查询中的文本,使用什么编码。
MySQL(和PHP搭配之最佳组合)使用设置的编码方式存储文本。
假设MySQL(和PHP搭配之最佳组合)使用setserver来存储文本,PHP的character_set_client是setclient,PHP的 character_set_results是setresult。那么,MySQL(和PHP搭配之最佳组合)PHP发来的文本,从setclient编码方式,转换成 setserver编码方式,再存入数据库,如果PHP取文本,MySQL(和PHP搭配之最佳组合)将文本从setserver转换成setresult,再发送给PHP
PHP文件(最终生成的HTML文件)本身有个编码,如果MySQL(和PHP搭配之最佳组合)传过来的编码,与PHP文件自身的编码不同,那么,整个网页,必然乱码。所以,PHP一般将自己的编码方式,告诉MySQL(和PHP搭配之最佳组合)
要保证不乱码,就必须将三个编码统一:一是网页自身的编码,二是HTML里指定的编码,三是PHP告诉MySQL(和PHP搭配之最佳组合)的编码(包括character_set_client和character_set_results)。
第一和第二个编码,如果使用DW之类的编辑器写的网页,通常是一致的,但用记事本写的网页,有可能不一致。
第三个编码,需要手工通知MySQL(和PHP搭配之最佳组合)。这步可以通过在PHP里使用MySQL(和PHP搭配之最佳组合)_query(“set names characterX”)来实现。
d.字符集的转换问题
如果小字集转换成大字符集,不会丢失数据,但大字集,转换成小字集,可能会丢失数据。
比如,UTF8里有的字符,GB2312不一定有,所以,从UTF8转换到GB2312可能会丢失一些字符。
但有种情况例外,先从GB2312转成UTF8,再从UTF8转成GB2312,这种情况是不会丢数据的,因为,刚开始转换的文本,都是GB2312里的字符,所以,整个过程都是GB2312的字符在转换,不会丢失。
正因为UTF8能容纳世界上的所有字符,所以,数据库一般使用UTF8编码。这使得,任何字符都可以存进UTF8编码的数据库。
e. PHPMyAdmin乱码的问题
PHPMyAdmin支持多国语言,这就必定要求HTML页面使用UTF8编码。
HTML页面使用UTF8编码,这就必定要求PHPMyAdmin连接MySQL(和PHP搭配之最佳组合)时,character_set_client和character_set_results使用UTF8编码。
当前情况下,PHP连接MySQL(和PHP搭配之最佳组合)只能是使用set names(或其它几个语句)来通知MySQL(和PHP搭配之最佳组合)的编码方式,如果没有显式的声明编码方式,都将使用latin1编码。一般的程序,都没有显式声明 character_set_client变量,所以,都是将gb2312文本,按latin1编码方式存在数据库,PHPMyAdmin再用utf8格式读取,肯定是乱码的。
如果PHP程序按正确的编码存入数据库,肯定是没有问题的。所以,需要修改的不是PHPMyAdmin.(虽然有时修改PHPMyAdmin可以解决乱码问题,但这不是问题的根本)

二.总结篇

上面的讲得有点乱,总结一下:
1.数据库尽量使用utf8存储(修改/etc/my.cnf,在[MySQL(和PHP搭配之最佳组合)d]段加上default-character-set=utf8)
(已有的数据库,先转成UTF8格式)
2.PHP程序在查询数据库之前,执行MySQL(和PHP搭配之最佳组合)_query(“set names xxxx”);其中xxxx是你网页的编码(charset=xxxx),如果网页中charset=utf8,则xxxx=utf8,如果网页中 charset=gb2312,则xxxx=gb2312,如果网页中的charset=ipaddr,则xxxx=ipaddr (开个玩笑,没这编码)
几乎所有WEB程序,都有一段连接数据库的公共代码,放在一个文件里,在这文件里,加入MySQL(和PHP搭配之最佳组合)_query(“set names”)就可以了。
3.PHPMyAdmin不需要做改动。
4.需要注意的是,为保证网页实际编码(Windows保存对话框里的编码)和他声明的编码(charset=?)是一致的,请用DW之类的工具做网页。

写得有点仓促,希望大家指正和补充。

Tags:浅析 字符集 以及

编辑录入:coldstar [复制链接] [打 印]
赞助商链接