MySQL编码latin1转utf8
Posted 遥望星空
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了MySQL编码latin1转utf8相关的知识，希望对你有一定的参考价值。
mysql移植含有中文的数据时，很容易出现乱码问题。很多是在从mysql4.x向mysql5.x移植的时候出现。mysql的缺省字符集是 latin1，在使用mysql4.x的时候，很多人都是用的latin1字符集。而当使用mysql5时往往愿意使用utf8。那么我们的任务是不是要 把数据中的字符从latin1转为utf8呢？
不是的。
用一句不大准确，但又比较形象的说法是，在之前的系 统中，我们是用latin1保存了使用gb系列字符集（gbk、gb2312等）的汉字。怎么这样说呢？
mysql> show create table test\G
*************************** 1. row ***************************
Table: test
Create Table: CREATE TABLE `test`
`a` varchar(100) default NULL
) ENGINE=InnoDB DEFAULT CHARSET=utf8
1 row in set (0.00 sec)
mysql> show create table testlatin1\G
*************************** 1. row ***************************
Table: testlatin1
Create Table: CREATE TABLE `testlatin1`
`a` varchar(100) default NULL
) ENGINE=InnoDB DEFAULT CHARSET=latin1
1 row in set (0.01 sec)
我们看到这两个表有不同的缺 省字符集。此字符集是告诉我们，如果没有特别指定列的字符集，那么字符类型列的字符集与表的缺省字符集一样。
列的字符集是要告诉 mysql，这里面保存的字符所使用的字符集是什么。但到底保存的是什么字符集的字符，不由mysql决定，mysql也不进行检查。
在utf8广泛使用之前，我们使用的汉字都是GB系列的字符集，比如GB2312、GBK、GB18030等等。
在缺省字符集为 latin1的mysql中，我们通常就把GB字符集的汉字保存到数据库中，但是却告诉mysql那是latin1字符集。而GB字符集是一个汉字占两个 字节，latin1是一个字符占一个字节。也就是说一个GB汉字被当成两个latin1字符来保存了。这让我想起了当初的iso8859_1，也是类似的 情况。只要我们保存和读取时都当作latin1，不进行转换，然后在显示时当作gb字符集，就能够正确使用。
那么怎么把 latin1保存的汉字正确地导到utf8字符集的数据库中呢？
首先，新的数据库中的列，要使用utf8字符集。一种办法是创建 database时指定缺省字符集，这样在建表时如果不指定字符集则使用database的缺省字符集。
导出的数据要以 latin1字符集导出，实际上就是告诉mysql导出时不做转换（因为原有的表都是latin1字符集的）。
mysqldump 出来以后，再用mysql进行导入时，还要告诉mysql，当前的数据是gb系列的字符集，比如gbk。这样，mysql负责把数据由gbk转换为 utf8，保存到数据库中。
如何告诉mysql导入的SQL是什么字符集呢，一种方法是用--default- character-set，但有时会起不到实际作用。这是因为mysqldump出来的文件里有set names语句。比如：
head EA192.060913.sql
-- MySQL dump 10.10
--
-- Host: localhost Database: EA192
-- ------------------------------------------------------
-- Server version 5.0.16-standard-log
;
;
;
;
是mysql特有有句法，在其他数据库会被当成注释忽略掉。/*!后面的 40101是表示版本，在4.1.1及以上版才执行该条语句。
这里看到有一条SET NAMES latin1。它的一个作用是告诉mysql，客户端传过去的数据是latin1字符集。因为有这样一条SET NAMES，--default-character-set也就起不到作用了。如果不幸有这样一条SQL，那么需要把它去掉或者改成SET NAMES gbk。修改或者删除的办法，当数据量比较大的时候，可以用head和tail来配合。比如还是上面的那个文件：
先用head看 一下SET NAMES在第几行（数一下），上面看到是第10行。
wc -l EA192.060913.sql
1987 EA192.060913.sql
得到总行数是1987
head -9 EA192.060913.sql > final.sql
[email protected]:~$ tail -1977 EA192.060913.sql >> final.sql
[email protected]:~$
head -9是取前9行，tail -1977是取后1977行，这样就把第10行隔过去了。
得到final.sql再用 mysql运行时，就可以使用--default-character-set=gbk了。
还有一种办法是mysqldump时使 用--set-charset=false，这样就不会出现SET NAMES了。
目前为止，还可能有问题，出在create table的SQL中，比如：
DROP TABLE IF EXISTS `test`;
CREATE TABLE `test`
`a` varchar(100) default NULL
) ENGINE=InnoDB DEFAULT CHARSET=latin1;
这里仍然有个CHARSET=latin1，它将导 致新创建的表的缺省字符集是latin1，而不是我们想要的。怎么办呢，如果数据量不大的话，可以考虑用编辑器把它去掉或者改成utf8，如果数据量大的 话可以考虑用sed，但可能仍然时间比较长。
还有一种办法就是mysqldump，使用--create- options=false，不导出表的创建属性。但如果导出的表的存储引擎不同的话就有问题了，因为引擎类型（innodb、myisam等）都被忽略 了。
此外，mysqldump导出时，不要使用-B，而是直接指定一个database名字，目的是不出现CREATE DATABASE语句，因为其中也可能会有缺省字符集的子句，会影响那些未在CREATE TABLE中指定字符集的表。如果你导出的SQL中有CREATE DATABASE，那么需要注意一下有没有字符集的子句，如果有的话，也需要修改。
好了，通过上述方法导出或者处理过的导出文件可以使用mysql --default-character-set=gbk来导入了。
总结，基本上执行的命令如下：
1、备份数据库
mysqldump --default-character-set=latin1 --create-options=false --set-charset=false -u root -p 数据库名称
>E:\back.sql
2、创建新数据库
CREATE DATABASE 数据库名称 CHARACTER SET utf8 COLLATE utf8_general_ci;
3、导入数据
MySQL -u root -p --default-character-set=gbk 数据库名称<E:\back.sql
》》》》》》》》》》》》》》》》》》》》》》》》》》》》》》》》》》》》》》》》》》》》》》》》》》》》》》》》》》》》》
从 MySQL4.1 开始，增加了对字符集的明细区分。字符集常遇到的问题是乱码和查询结果不准 两个问题，后面这个结果隐患还是非常大的。
MySQL 默认字符集为 latin1 或者叫 iso-8859-1。 请查看
http://faqs.cs.uu.nl/na-dir/internationalization/iso-8859-1-charset.html
在这个字符集中二进制的 0x F9、0xFA、0x FB 都是拉丁字母 U 的不同读音，雷同与中文的四 声说法。
| F9 | 249 | ù | LATIN SMALL LETTER U WITH GRAVE ACCENT
| FA | 250 | ú | LATIN SMALL LETTER U WITH ACUTE ACCENT
| FB | 251 | û | LATIN SMALL LETTER U WITH CIRCUMFLEX ACCENT
这样一来，中文的“女生” 0xC9FA 与 0xC9F9、0xC9FB，也就是“声甥”两个字在 latin1 都 对应字母 U，以下语句就会返回错误的结果
SELECT * FROM article author = '女生' 就会出现女声、女生、女甥、三个结果。 举个例子：
DROP TABLE IF EXISTS article; CREATE TABLE article (
message varchar(255) collate latin1_swedish_ci NOT NULL, message2 varchar(255) collate latin1_bin NOT NULL,
KEY message (message)
) ENGINE=MyISAM charset=latin1;
INSERT INTO article (message, message2) VALUES ('女生','女生'); INSERT INTO article (message, message2) VALUES ('女声','女声'); INSERT INTO article (message, message2) VALUES ('女牲','女牲'); INSERT INTO article (message, message2) VALUES ('女甥','女甥'); INSERT INTO article (message, message2) VALUES ('女升','女升'); INSERT INTO article (message, message2) VALUES ('女渗','女渗');
我们建立两种不同校对字符集的字段，存储同样的内容。使用：
SELECT * FROM article WHERE message = '女生';
得到三条记录 女生 女生
女声 女声
女甥 女甥
使用：
SELECT * FROM article WHERE message2 = '女生';
得到一条记录 女生 女生
解决方法有两种，使用 php 的一种方法是：
$sql = "SELECT * FROM article author='女生'";
$res = mysql_query($sql);
$article = array();
while($row = mysql_fetch_assoc($res))
{
if($row['author'] == '女生')
{
$article = $row;
break;
}
}
使用 MySQL 本身特性解决的方法是使用 latin1_bin 校对字符集，如 message2，但如果你的数据 已经是其它 latin 校对字符集，使用下面的方法补救：
SELECT * FROM article WHERE message = '女生' collate latin1_bin; SELECT * FROM article WHERE BINARY message = '女生';
从 MySQL 手册中说，这两种方式是一样的，而实质上，上面一种方法会利用到索引，下面一 种方法没有使用任何索引。
可以使用 EXPLAIN 语法检查以下三句的区别：
explain SELECT * FROM article WHERE message = '女生' collate latin1_bin;
explain SELECT * FROM article WHERE BINARY message = '女生';
explain SELECT * FROM article WHERE message = '女生';
如果一套系统中使用唯一索引或者关键字，危险性还小一些，顶多是注册了女生，当你在注册 女甥的时候，系统报“该用户名已经存在”这样的谎言。
对于多个系统使用同一套 SSO 通行证来说。这个安全隐患非常大，可以在非 MySQL 的系统中 注册“女甥”，在回到 MySQL 系统中进行登录。如果这个“女生”是管理员的话，那么你就得到了 最高权限。
以上是关于MySQL编码latin1转utf8的主要内容，如果未能解决你的问题，请参考以下文章
不同子系统采用不同MySQL编码LATIN1和UTF8的兼容
更改Mysql5.7的默认编码为utf8解决database为latin1无法修改问题